工业生产过程中,锅炉燃烧状态对运行的安全性和稳定性起至关重要的作用。本文基于火焰自由基和深度学习进行燃烧稳定性的研究。基于EMCCD增强型相机获取四种火焰自由基(CN*,CH*,C2*和OH*)图像,引入迁移学习的概念,采用深度学习算法进行特征提取,基于指标区间指数的燃烧稳定性决策法,建立燃烧工况识别迁移模型,实现燃烧稳定性判别。论文主要内容如下:首先简介深度学习的算法原理,并对比分析不同学习框架的优缺点,包括Alex Net、VGG Net和Inception Net。其次基于实验室燃烧试验装置,设计不同的实验工况,获取不同燃烧工况下四种火焰自由基的光谱信息,根据光谱信息分析火焰自由基与燃烧工况之间的关系。最后基于指标区间指数的燃烧稳定性决策法构建不稳定度,将燃烧稳定性分为四级,以此建立燃烧稳定性判据,并引入迁移学习改进inception-v3模型。采用EMCCD增强型相机获取不同燃烧工况的四种火焰自由基图像,通过改进的inception-v3模型提取图像特征参数,采用Softmax分类器的完成燃烧工况识别,进而实现燃烧稳定性判别。仿真表明燃烧稳定性判别模型的有效性,并对比分析不同自由基的识别率。