| 第一章 绪论 | 第1-16页 |
| §1． 课题研究意义综述 | 第7-8页 |
| §2． 传统的火焰检测技术及其局限性 | 第8-9页 |
| §3． 基于图像处理的火焰可视化和燃烧智能诊断 | 第9-12页 |
| §4． 本文研究的技术路线 | 第12-16页 |
| 第二章 火焰图像处理系统的光电特性研究 | 第16-32页 |
| §1． CCD摄像机的工作原理 | 第16-18页 |
| §2． 彩色CCD摄像机的色度学原理 | 第18-20页 |
| §3． 成像光学系统的辐射度学原理 | 第20-25页 |
| §4． 成像系统的几何光学模型 | 第25-28页 |
| §5． 数字化成像原理 | 第28-30页 |
| §6． 本章小结 | 第30-32页 |
| 第三章 火焰截面温度场的测量及其中心的实时监测 | 第32-54页 |
| §1． 截面温度场重建模型和算法介绍 | 第32-38页 |
| §2． 火焰截面温度场重建结果 | 第38-45页 |
| §3． 电站锅炉炉膛截面温度场中心实时监测 | 第45-52页 |
| §4． 本章小结 | 第52-54页 |
| 第四章 基于电站煤粉锅炉火焰图像和组合神经网络的火焰燃烧状态预测 | 第54-68页 |
| §1 获取火焰图像特征及燃烧诊断系统介绍 | 第54-55页 |
| §2． 反映煤粉火焰燃烧状态的火焰图像特征量介绍 | 第55-59页 |
| §3． 基于Kohonen神经网络的燃烧指数的定义 | 第59-63页 |
| §4． 基于BP神经网络的火焰燃烧状态预测 | 第63-66页 |
| §5． 本章小结 | 第66-68页 |
| 第五章 基于电站煤粉锅炉火焰图像和BP神经网络的NO_x排放量监测 | 第68-78页 |
| §1． 煤粉炉内NO_x生成机理和影响因素 | 第68-70页 |
| §2． 提取反映NO_x生成量变化的图像特征量 | 第70-71页 |
| §3． 用于电站煤粉锅炉NO_x排放量监测的神经网络模型 | 第71-73页 |
| §4． 用于电站煤粉锅炉NO_x排放量监测的神经网络算法设计 | 第73页 |
| §5． 电站煤粉锅炉NO_x生成量监测模型训练、测试结果 | 第73-77页 |
| §6． 本章小结 | 第77-78页 |
| 第六章 火焰图像处理系统在300MWe电站燃煤锅炉上的初步应用 | 第78-90页 |
| §1． 300MWe电站煤粉锅炉火焰图像处理系统简介 | 第78-80页 |
| §2． 300MWe电站煤粉锅炉火焰图像处理系统硬件组成 | 第80-84页 |
| §3． 300MWe电站煤粉锅炉火焰图像处理系统软件功能 | 第84-89页 |
| §4． 本章小结 | 第89-90页 |
| 第七章 全文总结及今后工作展望 | 第90-92页 |
| 攻读硕士期间发表和录用的论文 | 第92-93页 |
| 致谢 | 第93页 |
