| 原创性声明 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-24页 |
| ·火焰检测的重要性 | 第11页 |
| ·火焰检测器的发展 | 第11-16页 |
| ·直接式火检 | 第11-12页 |
| ·间接式火检 | 第12-16页 |
| ·现有燃煤锅炉火焰检测技术应用中的若干问题 | 第16-17页 |
| ·新型燃煤锅炉火焰检测技术的探索 | 第17-21页 |
| ·国外研究现状 | 第17-19页 |
| ·国内研究现状 | 第19-21页 |
| ·本课题的发展方向 | 第21-22页 |
| ·研究内容简介 | 第22-23页 |
| ·课题来源 | 第22页 |
| ·课题的任务及总体方案的确定 | 第22-23页 |
| ·本文的主要工作 | 第23页 |
| ·小结 | 第23-24页 |
| 第二章 火焰图像采集系统的设计 | 第24-35页 |
| ·系统的硬件结构 | 第24-26页 |
| ·系统的硬件的选择 | 第26-34页 |
| ·火焰图像传感器 | 第26-29页 |
| ·四画面分割器的选择 | 第29-30页 |
| ·图像采集卡的选择 | 第30-33页 |
| ·视频信号切换器的选择 | 第33页 |
| ·上位机与下位机 | 第33-34页 |
| ·本系统的特点 | 第34页 |
| ·小结 | 第34-35页 |
| 第三章 火焰图像的数字处理 | 第35-50页 |
| ·数字图像处理概述 | 第35-39页 |
| ·图像数字化 | 第36-39页 |
| ·直方图 | 第39页 |
| ·火焰图像的预处理 | 第39-49页 |
| ·多图像平均法 | 第40-41页 |
| ·火焰图像的去噪 | 第41-44页 |
| ·火焰图像的对比度增强 | 第44-47页 |
| ·火焰图像的二值化处理 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第四章 火焰图像的特征抽出与模式识别 | 第50-68页 |
| ·炉膛火焰特性 | 第50-51页 |
| ·煤粉燃烧的亮度和闪烁频率特性 | 第50页 |
| ·煤粉燃烧的过程特性 | 第50-51页 |
| ·已有的着火判据 | 第51-53页 |
| ·火焰图像特征的抽出 | 第53-56页 |
| ·火焰亮度g_f | 第55-56页 |
| ·火焰面积A | 第56页 |
| ·基于神经网络的燃烧状态识别 | 第56-64页 |
| ·神经网络的一般框架 | 第56-57页 |
| ·神经网络的基本特性 | 第57-58页 |
| ·感知器的模型特征 | 第58页 |
| ·燃烧诊断系统的反向传播神经网络(即BP网络)结构设计 | 第58-60页 |
| ·燃烧状况识别算法 | 第60-64页 |
| ·燃烧火焰ON／OFF判据 | 第64页 |
| ·火焰图像ON／OFF判断实例 | 第64-67页 |
| ·小结 | 第67-68页 |
| 第五章 系统的软件结构 | 第68-75页 |
| ·用户界面 | 第68-69页 |
| ·系统模块组成 | 第69页 |
| ·系统火焰识别原理 | 第69-74页 |
| ·图像采集流程 | 第70-71页 |
| ·图像预处流程 | 第71页 |
| ·单燃烧器火焰检测流程 | 第71-72页 |
| ·层燃烧器火焰检测流程 | 第72-73页 |
| ·全炉膛燃烧状态判断 | 第73页 |
| ·BP网络训练流程 | 第73-74页 |
| ·小结 | 第74-75页 |
| 第六章 结论及展望 | 第75-77页 |
| ·结论 | 第75页 |
| ·展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 攻硕期间的主要研究成果 | 第82页 |