基于数字图像处理技术的炉膛火焰检测系统
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 引言 | 第6-12页 |
| ·选题目的和意义 | 第6-9页 |
| ·选题背景 | 第6页 |
| ·目前情况 | 第6-8页 |
| ·存在问题 | 第8-9页 |
| ·相关研究 | 第9-10页 |
| ·国外情况 | 第9页 |
| ·国内情况 | 第9-10页 |
| ·研究内容及意义 | 第10-11页 |
| ·小结 | 第11-12页 |
| 第二章 火焰检测算法 | 第12-18页 |
| ·图像特征分析 | 第12-14页 |
| ·火焰燃烧特性 | 第12页 |
| ·安装位置影响 | 第12-13页 |
| ·火焰图像特征 | 第13-14页 |
| ·火焰检测算法 | 第14-17页 |
| ·小结 | 第17-18页 |
| 第三章 温度场测量 | 第18-31页 |
| ·基本原理 | 第18-19页 |
| ·CCD 光谱特性 | 第18页 |
| ·辐射定理 | 第18-19页 |
| ·算法分析 | 第19-27页 |
| ·算法一 | 第19-24页 |
| ·算法二 | 第24-27页 |
| ·算法实现 | 第27-30页 |
| ·温度场 | 第27页 |
| ·灰度化和伪彩色 | 第27-30页 |
| ·小结 | 第30-31页 |
| 第四章 神经网络算法概述 | 第31-48页 |
| ·神经网络简介 | 第31-32页 |
| ·人工神经元模型 | 第31页 |
| ·人工神经元网络 | 第31-32页 |
| ·误差反传（BP）神经网络 | 第32-38页 |
| ·BP 神经网络 | 第32-33页 |
| ·BP 神经网络拓补结构 | 第33-36页 |
| ·BP 神经网络算法的改进 | 第36-38页 |
| ·RBF 神经网络 | 第38-41页 |
| ·RBF 神经网络概述 | 第38页 |
| ·RBF 神经网络的拓补结构 | 第38-39页 |
| ·RBF 神经网络算法 | 第39-41页 |
| ·小结 | 第41页 |
| ·神经网络法测温 | 第41-47页 |
| ·测温系统的标定和图像预处理 | 第42页 |
| ·实验. | 第42-46页 |
| ·图像温度测量的误差分析 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第五章 燃烧诊断以及结论展望 | 第48-60页 |
| ·利用全炉膛火焰检测进行诊断 | 第48-49页 |
| ·火焰偏斜诊断 | 第48-49页 |
| ·UBC 预测及燃烧经济性诊断 | 第49页 |
| ·NO_x 排放量（浓度）预测 | 第49页 |
| ·NO_x 排放研究综述 | 第49-58页 |
| ·简述 | 第49-50页 |
| ·NO_x 形成机理 | 第50-52页 |
| ·神经网络法测 NO_x 生成浓度 | 第52-53页 |
| ·NO_x 生成控制技术 | 第53-58页 |
| ·结论与展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 在学期间发表的学术论文和参加科研情况 | 第63页 |
