气体火焰燃烧状态在线识别和预测

建立了一套可以识别和预测不同燃烧状态的实验系统。该系统维持空气流量稳定,通过调节液化石油气流量,得到稳定燃烧、脱火和扩散燃烧等典型的燃烧状态。利用视频采集卡在线采集火焰图像,图像识别程序分析出火焰的位置形状以及强度等特征信息,然后采用附加动量项与可变学习率的误差反向传播训练算法（BP）网络根据这些特征信息进行燃烧状态识别,最后预测程序根据识别结果对下一时刻的燃烧状态进行预测。实验结果表明：该系统可以准确地在线识别火焰燃烧状态,并能预测随后的火焰燃烧状态。     

基于数字图像和SDBP的预混火焰燃烧状态识别

利用数字图像处理技术和最速下降反传算法（SDBP）网络对预混火焰的燃烧状态识别技术进行了研究。针对本生灯的层流预混火焰，利用视频采集卡记录火焰图像，通过数字图像处理得到火焰的位置、形状信息。利用光电池记录火焰的辐射强度信息。将典型的火焰燃烧状态如稳定燃烧状态、回火状态以及脱火等状态的位置、强度信息作为改进后的SDBP人工神经网络的输入信息进行训练，训练好的SDBP网络接受火焰特征的输入信息，就可以识别火焰燃烧的状态。实验结果表明：该神经网络可以判断出当前火焰的燃烧状态。