我国日益严格的环境保护标准要求减少电站锅炉的燃烧污染排放，而优化锅炉炉内燃烧工况不仅是控制燃烧污染排放的有效途径，而且能减少燃料量和避免炉内爆管事故，从而能提高电站锅炉燃烧的安全性和经济性。作为燃烧优化措施，近年来，我国在燃烧器改造、冷态空气动力场数值模拟等方面做了大量工作，对电站锅炉燃烧状况的改善起到了重要作用。然而三大主机中，相对于汽机和发电机组来说，用于判断燃烧状况的炉内燃烧监测技术的研究却是一个相对薄弱的环节。今后的主要研究就是建立基于图像处理和人工智能技术的燃烧监控系统，来实现火焰可视化和燃烧智能诊断，从而为电站运行人员提供有效的运行指导信息。在锅炉燃烧器管理系统中，火焰检测对防止锅炉爆炸起着重要的作用，这就要求火焰检测系统提供可靠、准确的火焰信息。 由波兰学者Z．Pawlak提出的粗糙集理论，是一种研究不精确、不确定性知识的数学工具。利用粗糙集理论，可以方便地描述知识表示中不同属性的重要性，减少知识表示空间的维数。 本课题的主要目标是：根据粗糙集理论和煤粉燃烧火焰图像特征，利用数字图像处理和计算机技术，对燃煤电站锅炉火焰检测与燃烧诊断的方法进行研究，旨在提高火焰燃烧诊断的可靠性。本研究以图像处理技术为基础，结合粗糙集理论来对锅炉炉膛火焰进行检测、分析和诊断，为对锅炉燃烧做全面、准确的诊断提供依据。 本文的主要内容是：从全炉膛看火电视获得锅炉炉膛火焰图像，将