| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·本课题研究的背景和意义 | 第7-8页 |
| ·国内外火焰检测技术的发展 | 第8-12页 |
| ·火焰检测技术的发展 | 第8-11页 |
| ·相关研究 | 第11-12页 |
| ·基于信息融合的火焰检测技术 | 第12-14页 |
| ·多传感器信息融合的概念 | 第12-13页 |
| ·信息融合在炉膛火焰检测中的必要性 | 第13页 |
| ·目前存在的一些问题 | 第13-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 第二章 炉膛火焰检测技术 | 第16-26页 |
| ·炉膛火焰监视系统构成 | 第16-17页 |
| ·火焰图像预处理 | 第17-21页 |
| ·噪声分析 | 第18页 |
| ·噪声消除 | 第18-21页 |
| ·火焰图像的特征信息 | 第21-25页 |
| ·炉膛火焰的燃烧特征区 | 第21-22页 |
| ·火焰特征信息 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 多传感器信息融合 | 第26-34页 |
| ·信息融合的理论基础 | 第26-27页 |
| ·信息融合的层次 | 第27-30页 |
| ·数据层融合 | 第28页 |
| ·特征层融合 | 第28-29页 |
| ·决策层融合 | 第29-30页 |
| ·信息融合的结构 | 第30-31页 |
| ·信息融合的一般方法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于神经网络的火焰检测特征级融合 | 第34-44页 |
| ·人工神经网络概述 | 第34-35页 |
| ·BP 神经网络 | 第35-40页 |
| ·BP 网络的结构 | 第35-36页 |
| ·BP 网络的学习算法 | 第36-40页 |
| ·燃烧检测的BP 网络构成与训练 | 第40-43页 |
| ·BP 网络结构设计 | 第40-41页 |
| ·基于神经网络的检测系统的MATLAB 实现 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于BP 神经网络和D-S 证据理论的火焰检测系统的实现 | 第44-54页 |
| ·D-S 证据理论概述 | 第44-49页 |
| ·基本概念 | 第44-46页 |
| ·证据组合规则 | 第46-47页 |
| ·D-S 证据理论的决策方法 | 第47-48页 |
| ·D-S 证据理论的融合模型 | 第48-49页 |
| ·BP 神经网络和D-S 证据理论相结合的模型 | 第49页 |
| ·BP 神经网络和D-S 证据理论相结合的火焰状态检测 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 在学期间发表的学术论文和参加科研情况 | 第60页 |