当前,利用流化床装置进行的气化技术是生物质能源利用的重要途径。其中双循环流化床系统采用鼓泡流化床和快速流化床组合的方式,对生物质气化反应涉及到的气化和燃烧过程进行分区强化,可有效提高产气品质和产量。该系统因两床流化状态的不同而存在复杂的颗粒流动规律,且生物质-惰性流化介质混合颗粒的物性差异又会加剧其复杂程度。为此,本文采用石英砂与稻壳所组成的大异重颗粒作为实验床料,分别在鼓泡流化床和双循环流化床冷态实验装置上进行压力信号分析,研究其波动特性与颗粒流动规律间的关系,建立数据驱动模型和动力学模型实现颗粒循环流率等状态参数预测和故障诊断,为双循环流化床气化装置的运行、设计提供理论基础。（1）在鼓泡床冷态实验装置上,对稻壳-石英砂大异重颗粒的初始流化特性进行实验研究和初始流化速度经验公式的回归拟合,发现大异重颗粒中稻壳质量分数和石英砂粒径的增加将造成颗粒初始流化速度的增大;对不同表观气速、床层物料质量、石英砂颗粒平均粒径和稻壳质量分数下的床层压力信号进行的特征提取方法表明鼓泡床内颗粒的运动规律在很大程度上受气泡相的影响,因而其压力信号的主频多分布在5Hz左右,HHT变换后中频段和小波多分辨率分析后的3尺度（6.25～12.5 Hz）和4尺度（3.125～6.25 Hz）所占能量较大,且递归图和特征参数通过非线性分析方法同样表明床内颗粒运动因气泡相的影响呈现明显间歇性。（2）在双循环流化床冷态实验装置上,对双床间大异重颗粒流动规律开展了实验研究,发现表征运动规律的循环流率和循环物料组分随气化室风速、提升管风速、床层物料量、石英砂粒径以及初始稻壳质量分数的变化而呈现不同的变化规律,且初始床层物料量对颗粒运动规律的影响较大,在实际生产中应加强对该参数的监测和控制;基于实验结果,建立用于颗粒循环流率和循环物料组分变化预测的BP神经网络、遗传算法优化的BP神经网络、支持向量机、最小二乘支持向量机、核极限学习机和核极限学习机模型。其中,核极限学习机模型对上述两状态参数预测的平均绝对百分比误差分别为2.35%和1.48%,具有较高的泛化能力和预测精度且预测时间较短,可作为较优模型实现对运行过程中状态参数的监测与预警。（3）在不同控制参数下,通过压力信号分析方法对双循环流化床系统的提升管（快速床）内颗粒流动规律进行研究,发现压力信号波动的平均频率分布在25Hz左右,且HHT变换后的高频部分和小波多分辨率分解后的1尺度（25～50 Hz）和2尺度（12.5～25 Hz）能量的占比较大,表明提升管内颗粒运动时存在强烈的颗粒碰撞、摩擦作用。此外还发现提升管风速的通过控制两床间颗粒循环流率影响到气化室内的颗粒运动规律,使其压力信号主频分布于10Hz左右,其小波分析时2尺度（12.5～25 Hz）和3尺度（6.25～12.5 Hz）能量占比较大,且对应的递归参数（层流率）也呈现一定的变化规律。（4）过向双循环流化床中加入生物质结块和堵塞气化室布风装置不同区域的方法,模拟床内发生的结块和堵塞故障,进行各故障状态下压力信号特征参数与结块程度、堵塞位置间关系的研究,发现结块、堵塞故障将造成颗粒流动规律的变差,并使对应的压力信号波动特征随故障的不同而呈现不同变化规律。在此基础上,采用小波分解（变分模态分解）与样本熵（特征能量）相结合的方法对压力信号进行特征提取,并建立核极限学习机模型实现对故障的诊断和分类,其中,基于小波分解与特征能量提取的核极限学习机模型在对故障诊断时的训练和测试精度分别高达100%和82.50%,可实现压力信号在双循环流化床系统诊断方面的应用。（5）根据颗粒浓度分布（密相-稀相分区）和颗粒速度变化（加速-充分发展区）分别建立提升管压降模型,比较选取较优提升管压降模型,然后基于两床压力平衡和床料质量守恒建立双循环流化床动力学模型,实现大异重颗粒循环流率的预测。模型建立过程中,根据各分区特点将大异重颗粒分别采用均相颗粒或分相颗粒进行替代。预测结果表明,尽管对大异重颗粒循环流率的预测存在一定误差（最大误差-22.18%）,但该动力学模型对控制参数与循环流率间关系的预测与实验测量具有相同的变化趋势,因此其在对双循环流化床系统尤其是大异重颗粒时的循环流率预测具有较高的适用性。