洁净燃烧技术是能源利用可持续发展的必然要求。循环流化床技术正是由于其高效率、低污染以及煤种适应性广等优点而越来越受到人们的重视,是目前清洁高效燃烧技术中一项较为成熟的技术。电站锅炉燃烧的基本要求是炉膛内要建立并维持稳定、均匀的燃烧火焰,因此,可靠、有效的燃烧检测技术对于电站锅炉的安全经济运行有着极为重要的意义。优化炉内燃烧工况,最重要的环节是对燃烧实施准确的检测,并在此基础上建立燃烧诊断和优化运行系统。对于循环流化床锅炉来说,床内温度和床层高度是两个直接影响其连续安全运行的重要参数。本课题的主要目的在于建立一种基于可见光辐射图像处理技术的流化床燃烧在线检测系统,通过该系统可实时检测床内火焰温度和黑度信息。同时,基于图像处理技术和BP神经网络技术对循环流化床床高的检测进行了模拟研究,并提出了一种循环流化床锅炉吸热量预测模型。本文首先开发了一套循环流化床燃烧火焰在线检测系统。主要工作包括整套系统的硬件选型、软件设计以及系统调试等工作。该系统通过安装在炉膛壁面上的火焰图像探测器捕捉床内火焰辐射图像,进而在图像处理技术的基础上检测出火焰温度和黑度并将其可视化显示出来,为机组运行人员进行燃烧调整提供依据。在对彩色CCD探测器工作原理以及传统双色法测温技术的深入了解后,本文提出了一种更为简单的燃煤火焰温度和黑度检测方法。在基于灰度假设的前提下通过黑体炉标定得到温度与任意两基色比值(本文选取红绿两基色)的关系,以及黑体三基色值(本文选取红色)与温度的关系,因此当知道检测对象的两基色比值后就可计算出对象的温度,进而得到其黑度。相对于传统的双色法,本方法不需要构建复杂的光学系统以获得两个波长下火焰的单色辐射强度,也不需要知道彩色CCD摄像机的三基色代表性波长。在一台480t/h循环流化床锅炉上进行的工业试验表明,通过该方法检测得到的火焰温度和黑度与实际炉内的燃烧工况是一致的。检测得到的火焰温度与热电偶测量结果非常一致,两者之间的最大误差不超过10%,可满足工业应用的精度要求。通过分析循环流化床床高对火焰黑度分布的影响之后,本文提出了一种从炉内火焰黑度沿炉膛高度的分布信息中检测出循环流化床床高的方法并进行了模拟计算。由于循环流化床床高与火焰黑度之间是一种高度非线性的关系,很难用数学模型加以描述,因此本文采用了处理非线性问题非常好的BP神经网络技术来进行研究。通过布置在不同高度处的火焰图像探测器得到循环流化床内火焰黑度沿床高的分布,进而由已经训练好的神经网络算法检测出循环流化床的床高。这里在四种不同工况下对该方法进行了模拟研究,以考察其可行性和收敛性。模拟研究结果表明,当床内的光学厚度不大时可获得较好的检测结果,而当光学厚度大到一定程度后,检测结果不理想。虽然如此,本文提出的方法为循环流化床床高的检测提出了一种新的思路,有一定的研究价值。最后在前人所做的循环流化床传热计算的基础上结合图像处理技术,提出了一种循环流化床工质吸热量在线预测模型,该模型可通过火焰图像探测器检测得到的火焰温度和黑度预测出锅炉工质的吸热量。验证结果表明,模型预测的工质吸热量超前于由机组参数得到的吸热量,因此,将预测模型引入机组控制可有效改善原控制系统的滞后特性,提高机组的控制水平。将辐射能信号引入机组主汽温控制的试验研究从另一方面证明了工质吸热量预测模型的导前性特点。