基于多喷嘴对置式气化炉热模平台，以柴油为模拟介质，氧气为气化剂，对其气化过程进行了试验研究。对不同工况下，出口合成气成分、炉膛喷嘴平面的气体浓度及撞击火焰高度进行了分析。结果表明，喷嘴平面内，CO、CO2、H2浓度在平面中心至距中心约5cm范围内变化显著；沿气化炉轴线方向，气体浓度曲线在距离中心约29cm处出现拐点。 基于三基色测温原理和神经网络理论，结合数字图像处理技术，提出火焰温度场测量方法，用于表征气化撞击火焰图像温度特征。结果表明，撞击火焰集中在气化炉喷嘴平面中心，避免了冲刷炉壁，火焰主体的温度分布范围在145 ℃以上。 水煤浆及粉煤气化工艺需要液态排渣，研究灰渣的粘温特性极其重要。以随机网格模型理论为基础，分析了灰渣主要组分碱金属(Na,K)、碱土金属(Ca,Mg)、Fe和Al对灰渣结构稳定性的影响。并基于KTH模型，分析了SiO2－FenO－CaO体系的粘温变化规律以及在不同Si含量下，体系粘度随CaO含量的变化规律。结果表明，Si02为影响灰渣粘度的主要因素；低硅含量下，体系粘度随CaO含量的增加而增大；中硅含量下，体系粘度随CaO含量的增加呈现先降低后升高趋势；高硅含量下，体系粘度随CaO含量的增加而降低。 研究了完全熔融状态下SiO2－Al2O3－CaO体系的粘度特征。结果表明，SiO2的摩尔含量与n(CaO)/[n(Cao＋n(Al2O3)]比值相比，前者对体系粘度的影响更为显著；当SiO2摩尔含量一定，体系粘度随着(CaO)/[n(CaO)＋(Al2O3)]比值的增加，呈现先升高后降低的趋势，粘温特性在刀n(CaO)/[n(CaO)＋n(Al2O3)]比值为0.5附近变得复杂，且粘度最大值未出现在0.5处；基于流体流动特性提出了粘度预测数学模型，并且能够很好地预测完全熔融状态下SiO2－Al2O3－CaO体系的粘度。 研究了遗传(GA)神经网络(BP)算法，用遗传算法优化BP神经网络的初始权阈值，采用优化后的神经网络模型预测灰渣粘度值。将预测值与三种不同机理模型预测值比较，结果表明GA-BP模型预测值与实验值最接近，且精度明显较其它模型高。