中文摘要：

研究燃煤火焰中与污染气体排放有关的多种中间产物二维分布的在线同时测量方法及污染气体排放的预测方法。在火焰燃烧模型研究的基础上,利用多光谱成像得到的多种中间产物（原子团，radicals）的二维分布，结合同步获取的火焰温度场分布及锅炉运行工况参数，对燃烧污染气体排放进行实时预测。该项目的研究成果可为从事燃烧机理研究、高效低污染燃烧器设计以及污染气体排放控制的科技工作者提供一种有效的模型验证工具及测量手段，可以帮助从事燃烧过程运行与管理的工程技术人员更好地实现锅炉燃烧过程的及时调整与控制，有效改善燃煤工况、降低污染气体排放。本项研究不仅具有广阔的应用前景，还具有很高的社会效益和科学价值。

结论摘要：

氮氧化物（NOx）排放是影响大气环境的全球性问题，受到各国政府的普遍关注。而煤的燃烧是NOx排放的一个主要来源，如何有效监测NOx排放是世界范围内燃煤电站共同关注的焦点问题之一。目前燃煤电站广泛采用烟气成分分析方法来监测NOx排放。然而，从煤粉燃烧到烟气排放有很长距离，造成测量结果在时间上存在很大滞后，因而无法实现燃烧过程的实时调整。因此，研究一种NOx排放实时监测的新方法，对控制排放、降低污染是必要的。本课题研究燃煤火焰中与污染气体排放有关的多种中间产物二维分布的在线同时测量方法及污染气体排放的预测方法。在火焰燃烧模型研究的基础上,利用多光谱成像得到的多种中间产物的二维分布，结合同步获取的火焰温度场分布、煤种煤质信息及锅炉运行工况参数，对燃烧污染气体排放进行实时预测。主要研究结果如下（1）构建炉膛可视化系统，实现对炉内火焰图像的采集，经图像处理算法实现火焰图像与炉膛背景的分割及多通道获取火焰图像的配准。（2）通过获取燃烧中间产物的特征光谱图像计算其浓度二维分布信息；通过分光系统中的两路获得不同波长下的火焰辐射图像，采用双色测温法实现了火焰二维温度场的反演，在此基础上提取与NOx生成密切相关的火焰特征信息，主要包括形态学特征、温度特征和闪烁特征，为后续的NOx浓度预测提供基础数据。（3）研制了全光谱火焰检测用于燃烧器火焰根部火焰特征信息的收集，将收集到的多波段下火焰辐射信息结合神经网络、支持向量机、联合概率密度判别器等模型实现了煤种的在线辨识与煤质的在线检测。（4）融合燃煤锅炉的工况信息及本问题研究所获取的燃烧中间产物、温度及煤种煤质信息，采用神经网络模型和支持向量机模型对NOx排放浓度进行了预测，在此基础上提出了基于进化算法的支持向量机改进模型，实现了预测精度的显著提高，经实验验证，预测结果平均相对误差达到2.41%，预测值与实测值之间相关系数达到0.937，相对误差在5%以内的实验次数占总实验次数的比例为93.0%。（5）研究了炉内燃烧过程的CFD数值模型，通过实验对比验证了数值模型的可靠性；首次提出运用田口分析方法进行锅炉NOx排放浓度的多因素影响分析，并优化了工况参数。研究成果可以帮助从事燃烧过程运行与管理的工程技术人员更好地调整及控制锅炉燃烧过程，有效改善燃煤工况、降低污染气体排放，不仅具有广阔的应用前景，还具有很高的社会效益和科学价值。