流化床是一种高效的传热传质反应器，它在生物质热解气化中的应用日益受到重视，但复杂的气固两相流和传递机理，使得气固流态化过程的控制、预测和放大相当困难。本文从中型气化试验和神经网络模拟两方面研究了流化床中生物质热解气化反应过程。　　 首先，本文建立了一套用于生物质热解气化的中型流化床试验装置，使用两种常见的生物质原料：木粉和稻壳，分别在三组进料量和进风量条件下，进行多种气化当量比和流化速度下的生物质热解气化试验。试验中对气化温度、燃气流量进行在线分析，对燃气成分和焦油含量进行离线分析，为对流化床内生物质热解气化过程进行神经网络模拟奠定了实验基础。同时对不同气化当量比条件下的气化温度、燃气组分、产气率、燃气热值、碳转化率和气化效率进行了分析，并对数据表现出的趋势给出了定性的解析。　　 其次，本文还初步研究了木粉原料中二次风对生物质气化温度、产气率、燃气热值和焦油产率的影响，同时给出了不同比例二次风量下气化过程各参数的定性变化规律。　　 最后，本文采用Matlab神经网络工具箱建立了流化床内生物质热解气化过程的BP神经网络模型。该模型模拟了生物质气化温度、产气率、燃气热值、碳转化率和气化效率等气化参数；在选择模型输入量时，该模型没有直接考虑气化操作条件，即进料量和进风量，而把具有共性的气化当量比和流化速度作为模型输入参数，同时把生物质工业分析和元素分析参数也作为模型输入参数，使得该网络模型同时跨越了炉型尺寸和物料的局限，从而使该模型更具有通用性。对网络模型的训练结果进行线性相关性分析和泛化能力分析，表明该BP神经网络模型具有一定的实用性，为流化床生物质气化反应器的放大，系统控制和预测提供一种新的途径。