论文主要通过对锅炉中煤粉燃烧过程产生的火焰图像进行分析，从而提取能够反映锅炉燃烧状态的特征，并对锅炉燃烧稳定性进行判别。主要研究了黑龙长度、偏心距离、分形维数和燃烧面积等特征参数的提取方法，并以黑龙长度、偏心距离、分形维数和燃烧面积参数等特征作为进行锅炉燃烧稳定性判别的特征指标。
　　火焰图像中未燃区的黑龙长度反映了煤粉从喷嘴到开始燃烧过程中在炉膛内部运动的情况，且能够反映锅炉燃烧的稳定状态。根据煤粉气流入射的方向确定黑龙长度检测的区域和方向，应用差分算法搜索检测区域上最大灰度梯度变化像素点，即黑龙边缘点，通过边缘点坐标确定火焰图像上的黑龙长度。
　　煤粉在炉膛内燃烧产生的火焰是一种没有规则形态变化的随机自然现象，且其具有一定的自相似性，传统的几何学方法无法准确描述这种燃烧特性。分形理论用来描述那些没有特定长度，但具有精细结构的现象，正好能够对炉膛火焰进行解释。论文采用基于火焰图像分形特征的分割方法，将火焰图像中的燃烧区从其背景中分割出来，并提取了分割图像的燃烧面积和原火焰图像的分形维数作为判别火焰燃烧稳定性的特征参数。
　　一次风与煤粉混合气流在炉膛内燃烧的波动会直接影响到火焰，而火焰波动程度能够反映炉内燃烧的稳定性。偏心距离大小是火焰波动程度的一种体现，传统偏心距离的测量对基准点要求严格，随着机组运行，基准点偏移会带来误差。论文提取完全燃烧区质心和燃烧区质心之间的距离作为偏心距离，这样避免了基准点选择的困难，并将偏心距离作为判别火焰燃烧稳定性的特征参数。
　　鉴于炉膛内部燃烧状况的复杂性，论文采用基于极限学习机的方法对锅炉进行燃烧稳定性判别。本文选取由火焰图像提取到的黑龙长度、燃烧面积、分形维数以及偏心距离作为特征指标，并提取这四个特征量在特定时间段内的均值、极大-小值和方差作为判别模型的输入向量。为了提高模型的识别率，采用布谷鸟算法对模型进行优化。通过实验验证，该方法对锅炉燃烧稳定性的判别具有较好的效果。