| 中文摘要 | 第1页 |
| 英文摘要 | 第3-7页 |
| 第一章 绪论 | 第7-9页 |
| ·选题背景 | 第7页 |
| ·目前情况 | 第7-8页 |
| ·研究内容及意义 | 第8页 |
| ·小结 | 第8-9页 |
| 第二章 炉膛燃烧检测装置硬件设计 | 第9-15页 |
| ·装置功能 | 第9页 |
| ·装置结构 | 第9-11页 |
| ·装置硬件 | 第11-14页 |
| ·摄像部分 | 第11-12页 |
| ·图像整合和分配部分 | 第12页 |
| ·供电部分 | 第12-13页 |
| ·灭火判别及显示部分 | 第13-14页 |
| ·图像存储部分 | 第14页 |
| ·小结 | 第14-15页 |
| 第三章 火焰灭火判别方法研究 | 第15-22页 |
| ·煤粉燃烧器火焰燃烧特性 | 第15页 |
| ·传统基于单色光的火焰检测方法 | 第15-16页 |
| ·基于图像技术的火焰灭火判别方法 | 第16-21页 |
| ·火焰图像特征提取 | 第16-18页 |
| ·判别算法 | 第18-19页 |
| ·特殊情况下的灭火判别 | 第19-21页 |
| ·小结 | 第21-22页 |
| 第四章 算法验证 | 第22-34页 |
| ·数据准备 | 第22-23页 |
| ·基于 BP 神经网络算法的灭火判别 | 第23-26页 |
| ·使用工具 | 第23页 |
| ·网络训练 | 第23-25页 |
| ·神经网络验证 | 第25-26页 |
| ·基于支持向量机算法的灭火判别 | 第26-32页 |
| ·Libsvm 简介 | 第27-28页 |
| ·核函数选择—线性核函数 | 第28-29页 |
| ·训练和预测 | 第29-30页 |
| ·核函数选择—RBF 核函数 | 第30页 |
| ·训练和预测 | 第30-32页 |
| ·小结 | 第32-34页 |
| 第五章 软件设计 | 第34-41页 |
| ·开发工具选择 | 第34页 |
| ·Libsvm 开发 | 第34-36页 |
| ·工控机程序设计 | 第36-40页 |
| ·工控机主要功能 | 第36页 |
| ·用户界面 | 第36-37页 |
| ·支持向量机模型的训练和保存 | 第37-38页 |
| ·判别是否有灭火情况发生 | 第38-39页 |
| ·实验验证 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第六章 基于支持向量机算法的炉膛火焰燃烧稳定性判别 | 第41-46页 |
| ·稳定性判别的重要性 | 第41页 |
| ·特征提取 | 第41-43页 |
| ·判别算法 | 第43-44页 |
| ·支持向量机法 | 第43页 |
| ·判别原理 | 第43-44页 |
| ·试验 | 第44-45页 |
| ·特征量的提取 | 第44页 |
| ·基于支持向量机算法的燃烧稳定性判别 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第七章 结论与展望 | 第46-47页 |
| ·论文概述 | 第46页 |
| ·本文的主要工作和成果 | 第46页 |
| ·进一步完善 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 致 谢 | 第49-50页 |
| 在学期间发表论文和参加科研情况 | 第50页 |