超声法测量颗粒两相介质的浓度、粒径与其他颗粒测量技术相比具有测量范围广、适合高浓度测量、能够实现在线测量等优点。在测量河流泥沙浓度,污水浓度检测、矿浆浓度检测等实际应用中能够同时实现浓度和粒径的在线检测。同时,由于超声法可实现在线测量、穿透能力强的特点,尤其适合工业现场应用。本课题从理论模型研究出发,设计了多频率超声法浓度及粒度分布预测的实验系统,同时结合实验验证了本课题理论模型在玻璃微珠悬浊液浓度测量及粒度分布预测的适用性和有效性。首先在超声激励及接收电路中采用模块化的电路实现方案,将主体电路设计成主控模块、高压模块、激励模块及带通滤波模块,用于驱动不同频率的换能器。在数据采集系统部分采用FPGA作为主控模块,以80MHz的12位差分高速ADC作为模数转换器,以4片SDRAM构成128M×16bit的作为高速数据缓存,以PCI9054作为桥接芯片通过PCI接口实现与上位机的通信与数据传输。在实验装置上设计了双电机磁力搅拌装置及多探头非接触式水槽用于悬浊液的测量。其次,在悬浊液浓度检测上提出一种基于多频率的浓度-声速-声衰减（S-V-A）多参数融合技术的超声波悬浊液浓度高精度测量方法。该方法以声衰减系数、声速测量为基础,对非平稳的测量数据进行预处理以减小系统非线性误差,再通过三次样条插值增加测量数据对后续数据拟合的参与度,然后分别建立多频率下的S-A、S-V单曲线模型,最后运用最小二乘法完成多频率下S-V-A多参数融合,实现将悬浊液质量浓度检测误差保持在2%以下。最后,在超声法悬浊液颗粒相粒度分布检测上,基于ECAH“长波区”简化模型提出基于声衰减谱的径向基神经网络粒度预测模型和基于声谱图的LeNet-5粒度预测模型。用ECAH理论模型模拟产生20μm-400μm的声衰减谱用于RBF网络模型的训练及优化,并将声衰减谱做纵向扩展获得声谱图,用于训练LeNet-5网络模型;对实验采集到的回波信号做FFT获得宽频率内的回波幅值以计算声衰减谱,将实验声衰减谱做纵向扩展获得声谱图用作神经网络的待测数据。实验验证径向基神经网络粒度预测误差在10%左右,基于声谱图的LeNet-5粒度预测模型误差在5%以内,表明了本论文提出的两种粒度预测模型的适用性及有效性。