随着我国工业的迅猛发展,电力等大型企业中用到的锅炉的炉膛安全成为越来越备受大家重视的问题。当锅炉内由于燃烧不稳定或操作不当等原因导致全部或部分煤粉燃烧器熄火时,如果继续向燃烧器供煤粉,将会因为煤粉在炉膛内的堆积而导致爆燃现象发生,严重威胁炉膛设备的安全和寿命。因此,锅炉设备的安全运行,关乎巨大的财产和生命安全,是各个相关企业极其关注的问题。目前我国电力行业的主力机组等大型设备的锅炉基本上都采用四角切圆煤粉燃烧方式,所以不仅需检测全炉膛火焰,还需检测单个燃烧器燃烧情况。本文在基于数字图像处理的锅炉火焰检测方法基础上,分析了已有的典型锅炉火焰检测算法,用南昌国电龙源燃烧测控技术有限公司提供的锅炉煤粉燃烧器燃烧火焰资料进行了试验,以实际数据得出现有算法的优点与不足。然后提出了帧差法,将其对煤粉燃烧器火焰图像和燃油燃烧器火焰图像进行试验,发现这一算法实现较简单,而且适用于检测煤粉和油两种燃烧器火焰状态;其次分析了聚类的相关理论,提出了基于模糊C均值聚类的火焰检测算法,用煤粉燃烧火焰资料对该火检算法进行了试验,结果证明该算法简单易行,能有效地检测出煤粉燃烧器火焰燃烧状态;最后在简单介绍BP神经网络理论后,提出了基于神经网络的锅炉火焰检测算法,详细讲解了算法原理后,给出了神经网络的详细训练过程及代码,用已有的火焰资料对该算法进行了试验,结果表明基于神经网络的锅炉火焰检测算法非常准确,能有效检测煤粉燃烧器火焰燃烧状态。简单介绍了本人所参与的项目基于DSP的锅炉火焰检测系统的硬件系统原理,讲述整个DSP检测模块的软件流程图。在软件实现方面,本文在MicrosoftWindows XP操作系统平台上采用Visual C++ 6.0开发工具,用C/C++语言实现了所论述的算法,使用Code Composer Studio(6000)开发DSP底层程序。