气固循环流化床是一高效的气固反应和传质传热设备，其在现代工业中的应用越来越受到重视。但复杂的气固流动和传递机理相互作用，使得气固循环流态化过程的控制、预测、放大相当困难。本文将人工神经网络与混沌理论应用于此系统的研究，以提高对此系统的实际应用能力和对此系统的非线性动力学的认识。 本文的实验数据所用气固循环流化床，与现有其它研究工作所采用的实验装置相比，提升管较长，可以在比较宽的操作条件范围之内使气-固两相流动有较长的距离发展，从而展现出明确的充分发展段。实验用固体颗粒为砂子和FCC催化剂。实验气体为无油压缩空气。实验采集的数据为压力梯度信号，局部颗粒浓度时间序列和局部颗粒速度时间序列。 应用获得的实验数据研究了气固循环流化床中气固流动特征量(颗粒浓度、颗粒速度、颗粒通量)的轴向及径向分布规律。结果发现，气固循环流化床存在两种环．核流动结构，一种是床层底部中心和边壁颗粒都向上，床层上部中心颗粒向上而边壁向下的环-核流动结构；另一种是全床层中心和边壁颗粒都向上的环-核流动结构。 提出了气固循环流化床中气固流动的人工神经网络模型。该模型的输出量中包含五个动力学特征量(截面平均颗粒浓度(?)、局部颗粒浓度ε_s、局部颗粒能量G_s~′、截面平均颗粒速度(?)、局部颗粒速度V_s)。可以较好地模拟和预测气固循环流化床气固流动动力学。实现了全床层(包括床层顶部稀相区、床层中部、床层底部密相区)轴向及径向动力学行为的模拟和预测。是一个比较全面的整体模型，而且使用方便，具有重要的实用意义。 针对气固循环流化床内的瞬态脉动行为，本文将混沌理论应用到颗粒浓度脉动时间序列的分析。结果表明，Kolmogorov熵可用以描述本文上面提到的提四川大学博士学位论文升管中存在两种环一核流动结构。接着根据Kolmogorov嫡的径向分布变化特征，分别对两种环一核流动结构的气固流动行为进行了径向流域划分。 本文最后将混沌理论与人工神经网络结合，建立了混沌时间序列预测模型。该模型可有效用于气固循环流化床局部颗粒浓度波动时间序列信号的短期预测。该预测模型优于传统人工神经网络预测模型。另外，预测结果表明循环流化床的颗粒浓度波动信号只能被短期预测，其长期行为是不可预测的。这从另一个角度说明了气固循环流化床系统是一混沌系统。