过程层析成像(PT)技术是目前极具发展潜力的新一代工业过程参数检测技术。电容层析成像(ECT)技术是一种基于电容敏感机理的PT技术，具有非辐射、非侵入、响应速度快、结构简单、成本低、应用广泛等优点，被认为是PT技术研究和发展的主流。 ECT成像技术是ECT系统的关键技术，涉及两个方面的问题：一是正问题，已知管道内物质的分布情况，求电容传感器中各极板对之间的电容；二是逆问题，ECT系统图像重建算法的研究，即如何通过有限个观测数据(电容测量值)将成像区域内的介质的介电常数空间分布图像重建出来。 目前对于J下问题的解决方法主要是用有限元法，有限元法是一种高效能、通用的计算方法。本文借助有限元软件ANSYS，对电容传感器建立了新的有限元模型，采用新的剖分方式来进行仿真计算，从计算结果与实验结果相比较来看，误差较小，证明了此方法的可行性。 ECT系统图像重建算法是一个非线性的、不适定的逆问题。RBF神经网络是一个通用的非线性函数的逼近器，只要有足够多的隐层神经元，就可以逼近任意多元非线性连续函数。本文在前人的研究成果的基础上，探讨了RBF神经网络在用于气固两相流质量流量在线测量的ECT检测算法研究中的应用。 本文根据所研究的具体问题，对RBF神经网络的结构参数进行了设计；对传统的K均值聚类算法进行了改进，来对径向基函数里的参数进行了培训；并编写了基于VC++6.0开发环境下的算法程序以及图像重建结果显示程序；针对某些流型，给出于图像重建实验结果分析。 最后，关于进一步工作的方向进行了简要的讨论。