煤炭资源在全世界能源消费结构中占据着重要的地位。在未来的二十年内煤炭资源仍将是推动世界经济发展和社会进步的重要动力。我国是世界煤炭生产和消费第一大国,低品质煤炭大规模分选提质是我国煤炭工业可持续发展亟待解决的重大难题。流态化干法分选技术以其分选精度高、处理量大、不需要水以及工业应用潜力大等优势受到全世界广泛关注。然而流态化干法分选过程,尤其是浓相气固分选流态化过程的非稳定性和复杂性机制尚不明确,缺乏高效可靠的浓相气固分选流态化过程稳定性调控机制,严重制约浓相气固分选流态化的工业化和大型化应用。本论文针对浓相气固分选流态化过程非稳定性机制,运用实验测量分析、统计理论分析、熵值理论及非稳定性指数推导、混沌系统分析以及非稳定性熵值定量评价等方法对浓相气固分选流态化非稳定性进行全面研究。研究设计了浓相气固分选流态化过程压强波动及压差波动测量系统,实现了对浓相气固分选流态化过程中床层压降信号的实时测量和分析。针对浓相高密度气固流化床中复杂组成的物料性质,重点分析床层磁铁矿粉颗粒的不同静止堆积形态以及各种形态可能对浓相气固分选流态化过程的影响。探索了在床层临界流态化状态,床层中最大静摩擦力对床层流化特性的影响。揭示浓相气固临界流态化状态下,床层与流化床壁面以及颗粒与颗粒之间的静摩擦力对床层流化特性的影响。以示踪颗粒球体分析浓相气固分选流态化过程中床层上表面示踪球体的速度及位置变化情况,同时探索和记录在浓相气固分选流态化过程床层上表面多球体的运动特征。通过拟合得到颗粒球体的速度概率分布函数,揭示浓相高密度气固流化床分选过程中气泡的不稳定特性及气泡的不均匀破裂机制。从颗粒固体、颗粒液体及颗粒气体等不同角度分析统计系综在浓相气固分选流态化不同阶段的应用情况,从统计系综的角度分析浓相气固分选流态化过程不同阶段的特征与区别。将浓相气固流态化过程定义为颗粒液体阶段,且床层呈现似流体性质并伴随着气泡的产生和破裂。定量分析和表征床层颗粒复杂相互作用过程中,流态化混沌系统的信息流失情况及非稳定性结构特征,性质和形成机理。结合热力学熵和信息熵的概念对浓相气固流态化系统的混沌特性进行分析,通过不同角度对系统的熵值变化进行探索。结合浓相气固分选流态化过程的特点,提出了关于浓相气固分选流态化过程熵增计算求解思路,得到描述浓相气固分选流态化过程中热力学熵及Kolmogorov熵的计算公式,为深入研究浓相气固分选流态化过程的混乱程度及信息流失程度提供参考。提出并推导浓相气固分选流态化过程非稳定性评价指数。结合非稳定性评价指数,能够对浓相气固分选流态化过程均匀稳定性进行定量表征。扩展非稳定性指数的应用范围,探索非稳定性指数在浓相气固分选流态化分选煤炭结果评估中的应用,取得了较好的评价效果。采用压降测量仪测量流态化过程中床体压强的波动。借助自主设计的压降信号低通滤波器对得到的压降波动信号进行降噪,得到浓相气固分选流态化压降波动信号。分析压力波动信号数据表征浓相高密度气固流化床的非稳定性结构特征。通过分析压降波动信号,确定压降波动信号重构相空间维度,重构压降波动相空间吸引子,计算压降波动信号最大Lyapunov指数及熵值,分析流态化过程中信息能量耗散和信息流失(熵增加)机制,验证了浓相气固分选流态化过程的混沌特性。借助混动系统分析方法,提出以浓相气固分选流态化过程压降波动熵值为主,近似熵值与样品熵值为辅助的浓相气固分选流态化过程非稳定性定量分析表征方法,为浓相气固分选流态化的工业化和大型化应用过程中非稳定性调控提供参考。利用半工业化浓相气固分选流态化实现了对入选大颗粒和中等颗粒煤炭(-50+10mm)的有效分选,得到分选可能性偏差E值分别为0.055g/cm~3和0.060g/cm~3,分选精度高。通过试验测量半工业浓相气固分选流态化分选煤炭过程中床层压降波动信号以及实验室浓相气固流态化过程压降波动信号,运用Long Short-Term Memory(LSTM)循环神经网络对测量得到的压降波动信号进行训练和预测,得到适应于浓相气固分选流态化非稳定性预测LSTM循环神经网络模型,试验结果表面得到的LSTM循环神经网络模型具有良好的适用性和灵活性。