针对纳米燃速催化剂应用中遇到的团聚问题，本论文旨在探索一条不同于表面修饰的纳米催化剂分散途径，即借助于惰性组分特有的表面和微观结构来阻隔催化剂的团聚，研究纳米尺度的金属（Cu、Cu-Cr、Fe）氧化物和炭材料复合的方法，以制备具有纳米结构的金属氧化物／炭复合催化剂。本文同时考察了金属氧化物／炭复合纳米催化剂对氧化剂的催化热分解作用及其在丁羟复合推进剂中的燃速催化作用，并利用人工神经网络的自学习、自适应能力，对含燃速催化剂的丁羟复合推进剂进行燃速预测。以金属离子为金属氧化物前驱体，炭材料为惰性载体，制备的金属氧化物／炭复合材料经透射电子显微镜观察结合X射线衍射分析表明，氧化铁、氧化铜、和铜铬氧化物（CC）以纳米尺度分散于载体的表面；氧化铁／炭中的活性组份主要为铁的氧化物，氧化铜／炭中的活性组份主要为氧化铜，而铜铬氧化物／炭中的活性组份主要为CuCrO₂。在RDX／AP／Al／HTPB推进剂中，和普通Fe₂O₃相比，添加1％时，氧化铁／炭和普通Fe₂O₃的增速率分别为56％和31％，氧化铁／炭的燃速催化效率较普通Fe₂O₃提高了81％；添加2％时，6 MPa下的增速率为69％，10 MPa下的增速率可高达78％；4～10 MPa范围内含氧化铁／炭催化剂配方的压力指数在0.48～0.50之间，普通Fe₂O₃的压力指数为0.54。和目前广泛应用的叔丁基二茂铁（TBF）以及国内外催化效果最好且价格最昂贵的卡托辛（GFP）对比试验表明：添加0.5％时，氧化铁／炭的增速率和TBF和GFP的相当，压力指数比TBF和GFP的高。在RDX／AP／Al／HTPB推进剂中，添加0.5％的铜铬氧化物／炭和普通亚铬酸铜时，6 MPa下燃速由空白配方的6.31 mm·s^-1分别提高到8.82和8.69 mm·s^-1，4～10MPa范围内压力指数由空白配方的0.35分别升高到0.38和0.49。以本文所得燃速催化数据为基础，用人工神经网络建立网络结构，对催化剂不同含量与燃速之间的非线性关系进行了模拟，用训练好的网络对检测数据进行了预测。结果表明，所建立的网络对氧化铁／炭催化剂的燃速催化性能有较好的预测能力。