火力发电作为我国电力生产的主要形式,消耗了大量煤炭。燃煤所产生的硫氧化物(S0x)、氮氧化物(NOx)等污染物危害了人类的生存环境和身体健康。燃烧火焰不仅关系到锅炉的安全性和经济性,而且包含着燃烧中能量转换和燃烧污染物形成的重要信息。火焰自由基是燃烧过程的中间产物,蕴含丰富的燃烧信息。因此本研究通过采集燃烧火焰自由基的数字图像,经过图像处理并提取图像特征值,建立燃烧污染物NOx的排放预测模型。本文所做工作如下：首先介绍燃烧过程中污染物的生成机理以及影响燃烧污染物生成的因素。基于燃煤电厂燃烧数据,采用主元分析对影响燃烧污染物生成的各因素进行分析,确定各个因素的重要性；基于火焰光谱分布采用双色测温方法获取燃烧火焰温度。其次,基于实验室燃烧装置采集燃烧火焰的四种自由基(OH*,CN*,CH*和C2*)数字图像,通过邻域平均、中值滤波以及多图像平均三种图像去噪方法进行图像处理,对比分析处理效果后选择多图像平均的方法处理火焰自由基数字图像,提取图像特征值。最后,基于火焰自由基图像特征值和燃烧火焰温度,以神经网络(包括BP神经网络和RBF神经网络)、支持向量机和相关向量机三种软测量方法建立燃烧污染物NOx预测模型,并比较总结了三种预测方法的预测精度及优缺点。结果表明,神经网络的预测结果较差,而支持向量机和相关向量机的预测效果较好。