CN103077395B - 一种火焰燃烧稳定性自动监测方法 - Google Patents

Abstract

本发明公开了一种火焰燃烧稳定性自动监测方法，获取N幅RGB模式火焰图像，从中提取蓝色图像并增强对比度，获取处理后火焰图像；对所述处理后火焰图像进行分割，得到分割后的火焰图像；从所述分割后的火焰图像中提取火焰燃烧稳定区W和火焰燃烧临界区L；分别计算火焰燃烧稳定区图形中心坐标(x_w,y_w)、火焰燃烧临界区图形中心坐标(x_l,y_l)、所述火焰燃烧稳定区W和所述火焰燃烧临界区L之间的形心距离d；当所述形心距离d大于距离阈值时，火焰燃烧不稳定。该方法实现了即使在波动较严重的情况时，也能对火焰稳定性进行监测，避免了因炉膛中心点与摄像机中心点相对位置漂移产生的误差以及主观因素造成的风险。

Description

一种火焰燃烧稳定性自动监测方法

技术领域

本发明涉及炉膛火焰燃烧稳定性自动监测，尤其涉及一种基于火焰燃烧稳定区与火焰燃烧临界区形心距的火焰燃烧稳定性自动监测方法。

背景技术

热媒炉被普遍应用于原油输送过程中，主要用来解决高含蜡，高凝点原油输送的困难。热媒炉燃烧的基本要求是保持火焰燃烧的稳定性，火焰燃烧稳定是指在一定的时间段内火焰的大小、火焰的亮度、火焰的燃烧偏心距离以及火焰燃烧的波动性基本保持不变。然而理想中稳定燃烧的火焰是不存在的，炉膛火焰是一种不规则的，没有固定形态的事物。如果火焰燃烧不稳定，一方面会降低火焰的燃烧效率，产生噪声和污染物等，另一方面会浪费大量的能源，增加生产成本。若火焰偏向某一侧，严重时会引发炉膛爆管、停炉影响生产，以及引发安全事故。

因此非常有必要对热媒炉火焰燃烧的稳定性进行有效监测，确保工作过程万无一失，或及早采取补救措施避免灾祸的发生。目前针对准确监测热媒炉火焰燃烧是否稳定的工作主要包括3个部分：1、正对火焰喷射方向对火焰进行拍摄并从火焰燃烧图像中提取火焰燃烧区域；2、从火焰燃烧区域中提取出火焰燃烧特征值；3、根据得到的特征值对火焰燃烧状况进行判断。由于数字图像处理技术已经相对成熟，所以提取火焰燃烧区域工作已经不是技术难题，判断火焰稳定性的重点主要取决于对火焰燃烧特性的特征值的提取与相关计算。

目前针对炉膛火焰燃烧稳定性的特征值主要为火焰图形中心偏移距离。以此特征值判断火焰稳定性的方法存在2个不足之处：第一、火焰燃烧存在波动性，检测过程中，根据单幅图像得到的偏心距离值存在波动范围大，波动频率快，不利于反映火焰燃烧的整体情况。第二、现有的偏心距离是根据火焰中心点与炉膛中心点计算得到，其中炉膛中心点需要在系统每次启动时进行标定，标定方法有两种，一是，每次启动前都将摄像机中心与炉膛中心点对齐，但随着系统长期的运行，炉膛中心点与摄像机中心点会出现相对位置漂移的情况，导致检测失准，不利于实际应用；二是，不必将摄像机中心和炉膛中心点对齐，但是在喷火初期，凭经验人为主观地设定一个火焰中心，这种方法主观风险也较大。

发明内容

针对以上两点不足，本发明提供了一种火焰燃烧稳定性自动监测方法，该方法即使在波动较严重的情况时，也能对火焰稳定性进行监测，较好的反映火焰燃烧的整体情况，并且避免了因炉膛中心点与摄像机中心点相对位置漂移产生的误差以及主观因素造成的风险，详见下文描述：

一种火焰燃烧稳定性自动监测方法，所述方法包括以下步骤：

（1）获取N幅RGB模式火焰图像A_n，从中提取蓝色图像并增强对比度，获取处理后火焰图像B_n；

（2）对所述处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n；

（3）从所述分割后的火焰图像I_n中提取火焰燃烧稳定区W和火焰燃烧临界区L；

（4）分别计算火焰燃烧稳定区图形中心坐标(x_w,y_w)、火焰燃烧临界区图形中心坐标(x_l,y_l)、所述火焰燃烧稳定区W和所述火焰燃烧临界区L之间的形心距离d；

（5）当所述形心距离d大于距离阈值时，火焰燃烧不稳定。

所述对所述处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n具体为：

1）对每个所述处理后火焰图像B_n进行梯度变换，得到梯度图；

2）提取目标标记点(x₁,y₁)和背景标记点(x₂,y₂)；

3）将所述目标标记点(x₁,y₁)和所述背景标记点(x₂,y₂)作为种子点对所述梯度图进行分水岭分割。

所述火焰燃烧稳定区W和火焰燃烧临界区L具体为：

其中，是N幅图像求平均后坐标为(x,y)点的灰度值；f(x,y)代表提取出所述火焰燃烧稳定区W和所述火焰燃烧临界区L后坐标为(x,y)处的灰度值，P,Q分别为所述火焰燃烧稳定区W和所述火焰燃烧临界区L的灰度值，V_w,V_l为预设值。

所述火焰燃烧稳定区图形中心坐标(x_w,y_w)、火焰燃烧临界区图形中心坐标(x_l,y_l)具体为：

$x_w=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)\·x}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)}$ $y_w=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)\·y}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)}$

$x_l=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)\·x}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)}$ $y_l=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)\·y}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)}$

其中m,n分别为图像以像素为单位的宽度和高度；公式 $H(x,y)=\left\{\begin{array}{cc}1& x=y;\\ 0& x\≠y;\end{array}\right..$

所述形心距离d具体为：

$d=\sqrt{{(x_w-x_l)}^2+{(y_w-y_l)}^2}.$

本发明提供的技术方案的有益效果是：本方法通过采用标记分水岭方法和多图平均的方式，获取到准确而稳定的火焰燃烧区域，并通过相关的实验，证明了本方法的可行性以及有效性；实验表明，该方法实现了即使在波动较严重的情况时，也能对火焰稳定性进行监测，避免了因炉膛中心点与摄像机中心点相对位置漂移产生的误差以及主观因素造成的风险。

附图说明

图1为一种火焰燃烧稳定性自动监测方法的流程图；

图2为一种火焰燃烧稳定性自动监测方法的另一流程图；

图3a为RGB图的示意图；图3b为R图的示意图；

图3c为G图的示意图；图3d为B图的示意图；

图4a为曲线灰度变换结果示意图；图4b为曲线灰度变换坐标的示意图；

图5a为无标记点分水岭分割的示意图；

图5b为基于标记的分水岭分割的示意图；

图6a为提取蓝色分量图的示意图；图6b为增强对比度的示意图；

图6c为分水岭分割的示意图；图6d为多图平均的示意图；

图6e为火焰区域提取的示意图；

图7为火焰偏心距离与所述形心距之间对比的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

为了实现在波动较严重的情况时，也能对火焰稳定性进行监测，较好的反映火焰燃烧的整体情况，并且排除因炉膛中心点漂移产生的误差以及主观因素造成的影响，参见图1和图2，本发明实施例提供了一种火焰燃烧稳定性自动监测方法，并提出了一个新的判断火焰燃烧稳定性的特征值：火焰燃烧稳定区与火焰燃烧临界区的形心距离。详见下文描述：

实施例1

101：获取N幅RGB模式图像A_n，从中提取蓝色图像并增强对比度，获取处理后火焰图像B_n，其中，n=1~N，N>=20；

102：对处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n；

103：从分割后的火焰图像I_n中提取火焰燃烧稳定区W和火焰燃烧临界区L；

104：分别计算火焰燃烧稳定区图形中心坐标(x_w,y_w)、火焰燃烧临界区图形中心坐标(x_l，y_l)、火焰燃烧稳定区W和火焰燃烧临界区L之间的形心距离d；

105：当形心距离d大于距离阈值时，火焰燃烧不稳定。

利用计算得到的形心距d与实际经验预先设定好的距离阈值d_m相比较，若d>d_m，则可判断火焰燃烧不稳定。d_m的取值根据实际应用中的需要进行设定，本发明实施例对此不做限制。

通过上述步骤101-步骤105实现了在波动较严重的情况时，也能对火焰稳定性进行监测，较好的反映火焰燃烧的整体情况，又因为没有涉及到对炉膛中心点标定的问题，所以避免了因炉膛中心点与摄像机中心点相对位置漂移产生的误差以及主观因素造成的影响。

实施例2

200：利用摄像机在火焰燃烧期间正对热媒炉观火窗口对火焰以预设速度连续拍摄N幅RGB模式图像A_n，其中，n=1~N，N>=20；

其中，预设速度根据实际应用中的需要进行设定，通常为每秒钟拍摄3~8幅RGB图像。

201：从RGB模式图像A_n中提取蓝色图像作为后续处理图像，其中，n=1~N，N>=20；

在拍摄火焰图像时，炉膛背景也会有噪声光源，其中，红光的波长最长，其衰减程度最低，所以拍摄到的RGB模式图像中有来自炉膛背景的红光干扰，但是相对来说蓝光的影响最低，所以选取蓝色图像分量对应的灰度图作为后续处理图像。图3a、图3b、图3c和图3d所示为热媒炉火焰图像。

202：增强蓝色图像的对比度，获取处理后火焰图像B_n；

本方法采用了圆弧曲线的灰度值变换，参见图4(a)(b)，圆弧曲线的公式：

(x+a)²+(y-b)²=a²+b²

其中点(a,b)处在对角线方向上，b=1+a，保证在0-1这段区间内的曲线是对称的。半径为保证圆弧经过(0,0),(1,1)两点。通过改变a的值，可以改变圆的大小，通常a的取值范围在0-1之间，即可以改变在0-1范围内的曲线弧度，如图4(b)所示。圆弧曲线变换的优势在于：(1)没有明显的转折点，火焰燃烧并不一直稳定，避免了因为转折点的选取错误而造成错误拉伸。(2)梯度值呈逐渐变大的趋势，降低了低灰度值的梯度，减少了窗口与炉膛的边界对图像分割造成的影响。

203：对处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n；

这里采用基于标记的分水岭算法对处理后火焰图像B_n进行分割。分水岭算法对微弱边缘具有良好的响应，因此图像经分水岭分割后会产生严重的过分割现象。由于本方法所处理的火焰图像具有较明确的目标与背景，所以基于先验知识，采用基于标记的分水岭算法，该步骤如下：

2031：对每个处理后火焰图像B_n进行梯度变换，得到梯度图；

采用Sobel算子对图像进行梯度变换，其中|Vf(x,y)|表示梯度值大小，fx,fy分别对应于水平方向和垂直方向上的梯度值大小，f(x,y)表示点(x,y)处的灰度值，Sobel算子的计算公式如下：

$|\▿f(x,y)|={({\mathrm{fx}}^2+{\mathrm{fy}}^2)}^{1/2}$

fx={f(x+1,y+1)+2f(x+1,y)+f(x+1,y-1)}

-{f(x-1,y+1)+2f(x-1,y)+f(x-1,y-1)}

fy={f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)}

-{f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)}

2032：提取目标标记点(x₁,y₁)和背景标记点(x₂,y₂)；

标记分水岭变换的关键之一在于标记点的提取，针对本方法所处理的炉膛火焰燃烧图像，可知主要分为目标与背景两部分。

（1）目标标记点提取：火焰所在区域为图像中的高灰度值区域，因此以图像的亮度中心点作为目标标记点(x₁,y₁)。对整幅图像进行扫描，得到每个像素点(x,y)的灰度值，利用加权平均，可以得到图像的亮度中心点。具体公式如下：

$x_1=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}I(x,y)\·x}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}I(x,y)}$ $y_1=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}I(x,y)\·y}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}I(x,y)}$

其中(x,y)是单幅图像的坐标值，I(x,y)表示点单幅图像(x,y)处的灰度值。

（2）背景标记点提取：在火焰燃烧背景区域任意选择梯度值小于10且亮度值也小于10的一个像素点(x₂,y₂)作为背景标记点。

2033：将目标标记点(x₁,y₁)和背景标记点(x₂,y₂)作为种子点对梯度图进行分水岭分割；

若不标记而直接进行分水岭分割，则在原图中梯度值的每一个极大值处都会产生分界线，容易造成过分割现象，通过标记的分水岭算法则只会在被标记区域之间的最大梯度值处产生分界线，如图5a和图5b所示。

204：从分割后的火焰图像I_n中提取火焰燃烧稳定区W和火焰燃烧临界区L；

其中，在各种外部随机干扰的作用下，单幅图像火焰具有一定的漂移和闪烁，理想的稳定火焰是不存在的。但是针对多幅图像，火焰在同一固定位置出现的概率是相对稳定的。部分位置出现火焰的概率很高，则被认为是火焰稳定燃烧区域W；出现概率较小的区域被认为是火焰燃烧临界区域L。基于此，利用火焰燃烧的统计特性来提取火焰燃烧稳定区W。

首先对N幅分割后的火焰图像进行平均：

$\stackrel{\‾}{I}(x,y)=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{I}_n(x,y)$

其中N是采集图像数，(x,y)是图像坐标，I_n(x,y)第n幅图像中坐标为(x,y)点的灰度值，其值只能为0或255，是N幅图像求平均后坐标为(x,y)点的灰度值；

由上述公式可知，平均图中的灰度值都是255/N的整数倍，图像层次分明，边界清晰。然后基于火焰燃烧的统计特性，利用下述公式提取火焰燃烧稳定区W和火焰燃烧临界区L。

式中f(x,y)代表提取出火焰燃烧稳定区W和火焰燃烧临界区L后坐标为(x,y)处的灰度值，P,Q分别为火焰燃烧稳定区W和火焰燃烧临界区L的灰度值，通常P取255，Q取125；V_w,V_l为预设值，通常V_w取220~240，V_l取50~150。该公式的目的是将火焰燃烧稳定区W和火焰燃烧临界区L用两个灰度值不同的区域表示出来，方便观察和后续计算，图6a、图6b、图6c、图6d和图6e所示为整个区域提取过程的算法执行效果图。

205：分别计算火焰燃烧稳定区图形中心坐标(x_w,y_w)和火焰燃烧临界区图形中心坐标(x_l,y_l)；

计算公式如下：

$x_w=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)\·x}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)}$ $y_w=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)\·y}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)}$

$x_l=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)\·x}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)}$ $y_l=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)\·y}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)}$

其中m,n分别为图像以像素为单位的宽度和高度；公式 $H(x,y)=\left\{\begin{array}{cc}1& x=y;\\ 0& x\≠y;\end{array}\right.$ 例如：H(f(x,y),P)表示当f(x,y)的灰度值等于P时，H(f(x,y),P)值为1，否则为0。H(f(x,y),Q)表示当f(x,y)的灰度值等于Q时，H(f(x,y),Q)值为1，否则为0。

206：计算火焰燃烧稳定区W和火焰燃烧临界区L的形心距离d；

$d=\sqrt{{(x_w-x_l)}^2+{(y_w-y_l)}^2}$

207：根据计算得到的形心距离d判断火焰燃烧是否稳定。

利用计算得到的形心距离d与实际经验预先设定好的距离阈值d_m与相比较，若d>d_m，则可判断火焰燃烧不稳定。

通过上述步骤200-步骤207实现了在波动较严重的情况时，也能对火焰稳定性进行监测，较好的反映火焰燃烧的整体情况，又因为没有涉及到对炉膛中心点标定的问题，所以避免了因炉膛中心点与摄像机中心点相对位置漂移产生的误差以及主观因素造成的影响。

下面结合具体的实验来说明本发明实施例提供的一种火焰燃烧稳定性自动监测方法的可行性，详见下文描述：

基于火焰燃烧稳定区与临界区形心距的火焰稳定性检测：

分别利用现有技术中的方法和本方法对火焰图像进行20次检测，所得图像如图7所示，图7中具体数据如表1所示：

表1两种方法数据对比

结合图7与表1中的数据从以下两个方面来观察两种方法的区别：

（1）距离大小：首先对于理想的稳定火焰图像来说，两种方法计算得到的距离都应该是0。参见图7，在实验图像这种偏心情况下，传统方法检测得到的偏心距离值都小于本方法得到的形心距离；参见表1，从平均值看，本方法的形心距离接近于传统方法偏心距离的2倍，更能明显的表示火焰偏心大小。

（2）测量稳定性：图像上，本方法得到的数值随着火焰偏心的变化呈现出平缓变化的过程，传统方法数值的波动性特别大；本方法的波动范围大小是9.5，只有传统方法的一半；本方法的方差值只有6，但是传统方法的方差达到了31。说明本方法相对于传统方法更稳定。

通过这个实验说明，本方法相对于传统偏心距离方法更稳定，在数值大小上，正常图像与偏心图像的区分度也更大。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种火焰燃烧稳定性自动监测方法，其特征在于，所述方法包括以下步骤：

(1)获取N幅RGB模式火焰图像A_n，从中提取蓝色图像并增强对比度，获取处理后火焰图像B_n；

(2)对所述处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n；

(3)从所述分割后的火焰图像I_n中提取火焰燃烧稳定区W和火焰燃烧临界区L；

(4)分别计算火焰燃烧稳定区图形中心坐标(x_w,y_w)、火焰燃烧临界区图形中心坐标(x_l,y_l)、所述火焰燃烧稳定区W和所述火焰燃烧临界区L之间的形心距离d；

(5)当所述形心距离d大于距离阈值时，火焰燃烧不稳定；

其中，所述对所述处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n具体为：

1)对每个所述处理后火焰图像B_n进行梯度变换，得到梯度图；

2)提取目标标记点(x₁,y₁)和背景标记点(x₂,y₂)；

3)将所述目标标记点(x₁,y₁)和所述背景标记点(x₂,y₂)作为种子点对所述梯度图进行分水岭分割；

其中，所述火焰燃烧稳定区W和火焰燃烧临界区L具体为：

其中，是N幅图像求平均后坐标为(x,y)点的灰度值；f(x,y)代表提取出所述火焰燃烧稳定区W和所述火焰燃烧临界区L后坐标为(x,y)处的灰度值，P,Q分别为所述火焰燃烧稳定区W和所述火焰燃烧临界区L的灰度值，V_w,V_l为预设值；

其中，所述火焰燃烧稳定区图形中心坐标(x_w,y_w)、火焰燃烧临界区图形中心坐标(x_l,y_l)具体为：

$\begin{array}{cc}{x}_w=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)\·x}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)}& y_w=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)\·y}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),P)}\end{array}$

$\begin{array}{cc}{x}_l=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)\·x}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)}& y_l=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)\·y}{\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}H(f(x,y),Q)}\end{array}$

其中m,n分别为图像以像素为单位的宽度和高度；公式 $H(x,y)=\left\{\begin{array}{cc}1& x=y;\\ 0& x\≠y;\end{array}\right..$

2.根据权利要求1所述的一种火焰燃烧稳定性自动监测方法，其特征在于，所述形心距离d具体为：

$d=\sqrt{{(x_w-x_l)}^2+{(y_w-y_l)}^2}.$