聚焦低温两相流的电容层析成像（ECT）相分布反演系统，对基于柔性电路板的柔性传感器与传统贴片传感器的采样稳定性进行对比. 训练适用于LNG-饱和甲烷蒸汽两相流相分布测量场景的深度神经网络（DNN-LNG）. 就此算法开展数值模拟实验，将成像结果与传统算法结果对比，以评估算法性能. 进行替代工质实验，比较2个传感器方案，选择成像效果更好的柔性传感器与DNN-LNG组合，开展常温实验. 利用聚丙烯-空气替代LNG-饱和甲烷蒸汽两相流，检验柔性传感器与DNN-LNG算法在实际复杂流型成像应用中的性能，以此为基础进行液氮成像. 结果表明，柔性传感器能有效提升ECT系统相分布采样稳定性与反演精度，且其标准化的设计制造流程以及稳定的高安装精度能为ECT传感器的规模化制造提供解决方案. DNN-LNG成像网络能够极大消除伪影和畸变，并能获得清晰准确的成像结果. 柔性传感器与DNN-LNG成像方法的组合在LNG两相流成像方面具有广阔的应用前景.

天然气发动机燃烧过程的动态特性难以描述、非线性强、存在未知干扰，导致燃烧过程反馈量控制精度较低. 为此提出改进的无模型自适应控制器（MFAC). 建立天然气发动机系统模型并校验其有效性，选取燃烧中点(CA50)作为燃烧过程反馈控制量. 通过建立离散的偏格式动态线性化模型，利用系统输入输出数据估计燃烧过程中点火正时和空燃比的伪偏导数，求解得到MFAC控制器. MFAC控制器持续追踪在线更新的期望状态进而实现对CA50的跟踪控制. 为了兼顾CA50动态收敛速度和静态跟踪精度，在MFAC控制器中引入基于跟踪误差变化的快速收敛项，并针对闭环系统给出严格的稳定性和收敛性能分析. 设计2种测试方案，将所提控制器与增量式PID控制器进行对比，结果表明所提出的控制器在鲁棒性、收敛速度和跟踪精度方面都有更优越的表现.