前言

我国是世界上最大的煤炭生产和消费大国，以燃煤为主的工业锅炉在工业生产中占据重要地位。优化锅炉炉内燃烧工况不仅能减少燃料量和避免炉内爆管事故，而且是控制燃烧污染排放的有效途径，从而提高工业锅炉燃烧的安全性，减少空气污染。因此，工业锅炉燃煤的安全、经济运行，清洁燃烧对我国经济的发展、人民生活的提高、生活环境的改善有着十分重要的意义。

燃烧工况的不稳定不仅会降低锅炉的效率，增加污染物的排放和产生噪声污染，在极端的情况下可能会引起炉膛熄火造成事故。氮氧化物对人体有直接的危害，是酸雨形成的一个主要原因，还会污染环境。其中的二氧化氮是一种是温室气体，会破坏臭氧层。目前我国的工业锅炉燃烧管理水平比较落后，燃煤机组煤质较差，煤种的特性经常变动，参数整定困难，缺少准确可靠的氮氧化物检测手段。评价各种工业炉和燃烧技术的两个基本标准是燃烧工况稳定性和NO _x 的排放量。高温低氧燃烧技术是一种具有高效节能和低NO _x 排放双重优越性的燃烧技术，一直以来受到世界各国的普遍重视。

工业锅炉炉膛内的燃烧过程是发生在较大空间范围内的、不断脉动的、具有明显三维特征的复杂物理化学过程。锅炉燃烧的基本要求是在炉膛内建立并维持稳定、均匀的燃烧火焰。燃烧火焰的温度测量是燃烧领域一个极其重要的问题，它对于燃烧状态的判断、预测和诊断有着十分重要的意义。应用彩色CCD摄像机获取炉膛内燃烧火焰图像，利用数字图像技术计算出锅炉内火焰温度是一个具有挑战性的课题。

炉膛火焰燃烧诊断一直是一个热点问题。现有的燃烧诊断系统都有不稳定、实时性差和识别率低的缺点。而实现炉膛火焰状态的实时监控、准确判断以及燃烧诊断系统的自动化、智能化，能提高燃烧状态识别的准确性和可靠性，可以有效地防止熄火、锅炉爆燃等重大事故的发生，减少国家财产损失，保障人民的生命安全。

作者旨在将图像处理技术与现有炉膛火焰监视设备结合起来，根据热辐射原理和彩色CCD摄像机的色度学基础，利用数字图像处理技术从火焰图像中提取计算所需的图像信息。

本书分析研究了锅炉燃烧诊断现状，总结了国内外的研究方向和方法，指出其存在的不足与缺陷，并分析总结了数字图像处理技术和人工智能的研究进展，重点研究了基于数字图像处理技术与现代人工智能相结合的燃烧诊断系统。由于摄取的火焰图像较原始图像存在一定程度的降质和失真，因此本书建立了图像降质模型，依据该模型对摄取的火焰图像实现了变换和恢复处理，使处理后火焰图像能够最大程度地接近原始图像的特征。采用增强处理，使火焰目标和炉膛背景产生明显的区别，然后对其进行分割处理，把火焰目标从炉膛背景中提取出来。同时，研究了基于火焰图像处理技术的测温算法，运用智能模型来诊断火焰的燃烧状态。最后，本书重点研究了氮氧化物的生成机理，以及各种运行参数对氮氧化物排放量的影响规律，这些影响因素为检测氮氧化物排放量做了理论基础。并对偏最小二乘法的计算模型进行改进，结合从火焰图像中提取出的锅炉内燃烧温度及其他影响氮氧化物生成的参数对锅炉氮氧化物排放量进行预测，提高预测的精确度和计算速度。

本书得到山西省自然基金（项目编号：200711048）项目支持。太原科技大学电子工信息工程学院院长孙志毅教授对本书的写作给予了极大的关心，宋仁旺副教授、常春波副教授、石慧老师、忻州师范学院张丽丹老师也为本书提出了宝贵的意见，在此一并表示衷心的感谢。

全书力求理论、实践和方法的统一，并使其具有可操作性。由于作者水平有限，加上时间仓促，书中肯定存在不足之处和错误，恳请读者给予批评指正。

作者2012 年 7 月