CN113984421B

CN113984421B - 多信号融合火焰燃烧稳定性控制分析装置、方法及应用

Info

Publication number: CN113984421B
Application number: CN202111249602.7A
Authority: CN
Inventors: 张庭; 蔡国源; 刘勇; 厉昂; 牛玉广; 杜鸣; 周振华; 姜晓弢; 王洪刚
Original assignee: North China Electric Power University; GD Power Dalian Zhuanghe Power Generation Co Ltd
Current assignee: North China Electric Power University; GD Power Dalian Zhuanghe Power Generation Co Ltd
Priority date: 2021-10-26
Filing date: 2021-10-26
Publication date: 2022-09-13
Anticipated expiration: 2041-10-26
Also published as: CN113984421A

Abstract

多信号融合火焰燃烧稳定性分析控制装置、方法及应用,包括计算机、数据采集控制预处理模块、火检探头、图像探头、热电偶温度传感器、转子流量计、空气流量控制器、燃烧室器；其特征为：计算机通过数据采集控制预处理模块采集图像探头、火检探头、热电偶温度传感器信号和向空气流量控制器发送流量控制指令；所述数据采集控制预处理模块将计算机发出的空气流量指令经数据处理后驱动空气流量控制器，通过控制空气量实现火焰的调节和控制；转子流量计与燃烧室中的燃烧器连接，用于模拟现场燃烧器由正常燃烧工况向低负荷运行时燃料量的变化。

Description

多信号融合火焰燃烧稳定性控制分析装置、方法及应用

技术领域

本发明公开一种装置、方法及其应用，尤其是涉及一种多信号融合火焰燃烧稳定性控制分析装置、方法及其应用。

背景技术

近年，随着火力发电机组对可再生能源的消纳，要求火电机组具有更深的调峰能力，而低负荷下炉膛火焰燃烧状态则是影响火电机组调峰深度的一个关键因素。我国火力发电机组以直流锅炉为主，炉膛火焰燃烧则主要依靠煤粉卷吸高温烟气着火燃烧，当机组负荷降低时，煤粉量从额定负荷逐渐减少，送风量在前期按风煤比同时减小，但风量受磨煤机送风量和燃烧器高温保护的限制，达到最小值后(如总风量30％)不再降低，而炉膛火焰燃烧状态受炉膛温度、煤质、运行工况等参数的影响，导致炉膛火焰在低负荷运行时很容易出现燃烧不稳定、偏烧、爆燃、回火、灭火等现象，严重阻碍了机组调峰能力的提升。

目前，现场炉膛火焰燃烧状态监测方式是将火检信号接入锅炉炉膛安全监控系统，但火检信号主要功能是燃烧和灭火的二值判断，对低负荷下火焰燃烧状态没有调节能力；火焰温度与燃烧状态也存一定联系，如火焰燃烧时处于高温状态，而熄灭时处于低温状态，但在火焰燃烧过程中，火焰处于低氮稳定燃烧时火焰温度低于空气过量燃烧状态，而在低负荷运行火焰剧烈波动时空气往往处于过量状态，所以温度不能单独作为火焰燃烧稳定性的依据；受限于图像探头在锅炉燃烧器安装位置限制，现场火焰图像一般取自于燃烧器喷口附近，可以获得单个燃烧器喷口附近局部火焰燃烧信息，而图像探头受炉膛背景、临近燃烧器燃烧状态、高温烟尘等因素影响，需与其他参数一起综合判断才能获取准确的火焰燃烧状态。现阶段低负荷调峰时，现场主要依靠运行人员通过火焰电视、火检和炉膛温主观判断火焰燃烧是正常、熄灭还是偏烧状态，在保证锅炉运行安全的前提下根据运行经验适当降低燃料量和送风量。

因此缺少一个准确、可靠的炉膛火焰燃烧稳定性判断指标，在机组低负荷调峰期间，指导现场运行工况，保证炉膛火焰在低负荷下稳定燃烧，充分挖掘机组低负荷下的调峰能力。

发明内容

为解决低负荷下炉膛火焰燃烧稳定性调节功能，本发明提供了一种多信号融合火焰燃烧稳定性分析控制装置、方法及其应用，其技术方案如下：

一种多信号融合火焰燃烧稳定性分析控制装置,包括计算机、数据采集控制预处理模块、火检探头、图像探头、热电偶温度传感器、转子流量计、空气流量控制器、燃烧室器；其特征为：计算机通过数据采集控制预处理模块采集图像探头、火检探头、热电偶温度传感器信号和向空气流量控制器发送流量控制指令；所述数据采集控制预处理模块将计算机发出的空气流量指令经数据处理后驱动空气流量控制器，通过控制空气量实现火焰的调节和控制；转子流量计与燃烧室中的燃烧器连接，用于模拟现场燃烧器由正常燃烧工况向低负荷运行时燃料量的变化。

本发明公开一种多信号融合火焰燃烧稳定性控制分析方法。

本发明公开一种将上述多信号融合火焰燃烧稳定性控制分析方法应用于火力发电厂中。

有益效果

获得一个准确、可靠的炉膛火焰燃烧稳定性判断指标，在机组低负荷调峰期间，指导现场运行工况，保证炉膛火焰在低负荷下稳定燃烧，充分挖掘机组低负荷下的调峰能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明多信号融合火焰燃烧稳定性控制分析装置的示意图。

图2为火焰图像的HSL和Haralick参数的一种自编码降维模型。

图3为火焰图像的HSL和Haralick参数的自编码模型简化表达方式。

图4为火焰图像的HSL和Haralick参数的堆叠自编码模型。

其中：1火检探头，2图像探头，3热电偶温度传感器，4数据采集控制预处理模块，5计算机，6转子流量计，7空气流量控制器，8燃烧室，9燃烧器。

具体实施方式

我们首先对多信号融合火焰燃烧稳定性控制分析装置中传感器模块优选如下：

数据采集控制预处理模块：具有与计算机通信，采集火焰图像、火检、稳定信号和控制空气流量控制器的功能，该模块优选地为NI公司生产的cRIO-9042型实时控制器，外接通信端口有以太网、USB、RS485串口和扩展4-20mA电流输入输出模块等，内置LabView程序；

火检探头：ABB公司生产的SF810i型火焰检测器，采用Mod Bus协议通信，与RS485串口兼容，输出信号为火焰品质、闪烁频率、火焰强度和AC振幅；

图像探头：BASLER公司生产的acA2040型高速彩色摄像头，采用USB接口连接；

热电偶温度传感器：采用K型热电偶配置4-20mA温度变送器；

计算机：戴尔公司生产的Precision3640，预装Windows10操作系统；

程序平台：采用LabView和AIBlock，其中LabView用于火焰图像HSL特征参数和灰度共生矩阵Haralick特征参数提取，AIBlock用于基于堆叠自编码SAE算法的火焰图像燃烧稳定性判断模型训练和实验。能实现堆叠自编码SAE算法功能的软件还包括Matlab、Python以及C++等软件，本实施例中只是选择了其中一种实现方式。

本发明涉及如下参数指标及其提取方式：

火焰图像燃烧稳定性判断指标：颜色特征和纹理特征作为从火焰图像上提取的多个特征参数，这些特征参数可以直观的反映单幅火焰图像的绝大部分燃烧信息。接着使用堆叠自编码模型(SAE)，通过让堆叠自编码模型学习多种稳定燃烧工况下特征参数的高维映射，从而使得该模型对于稳定燃烧工况下的特征参数拥有较强重构性能，当一个新的燃烧图像送入模型时，可以通过计算模型对于特征参数的重构性能，来衡量燃烧相对于稳定燃烧工况的偏离程度，进而达到判断燃烧稳定性的目的。AIBlock软件内封装有堆叠自编码模型(SAE)建立所需功能模块，该功能模块与Matlab、Python软件的堆叠自编码模型(SAE)软件包功能对应，对于本领域工作人员，在火焰图像的HSL和Haralick参数的堆叠自编码模型设计好后，均能使用这些功能模块建立本发明的火焰图像燃烧稳定性判断模型，训练时，先通过图像探头采集不同燃料量和送风量配比下稳定燃烧的火焰视频，分别提取HSL色彩特征和Haralick特征送堆叠自编码模型(SAE)进行训练，得到训练好的火焰图像燃烧稳定性判断模型。实验时，图像探头采集未知火焰的视频，送cRIO-9042实时控制器提取HSL色彩特征和Haralick特征再送火焰图像燃烧稳定性判断模型得到一个反映与稳定燃烧工况偏离程度的火焰图像燃烧稳定性判断指标；

火焰燃烧稳定性指标：该指标基于多信号贝叶斯融合，其原理如下，每个时刻的整体燃烧稳定性St计算方法如下：

通过取适当大小的n，每类燃烧稳定性指标x可对应记录前n+1个时间序列的值，即x{x^t-n,...,x^t-2,x^t-1,x^t}，计算x{x^t-n,...,x^t-2,x^t-1,x^t}的标准差

分别计算图像、火检和温度的燃烧稳定性指标x的标准差s1、s2、s3；

结合当前时刻下的这三类燃烧稳定性指标，用字母v1、v2、v3表示，使用下面公式计算整体燃烧稳定性St，即

HSL色彩特征提取：现场运行人员通过火焰电视直观判断燃烧情况，主要通过视觉直观感受火焰画面，使用HSI色彩空间模型，即色调(H,Hus)、饱和度(S,Saturation)、亮度(I,Intensity)代替传统RGB三原色来表示单一像素点，通过该模型还原人的视觉系统感知彩色的方式，可以让算法与现场运行人员拥有相同输入基础，提高判断效率。在cRIO-9042实时控制器的内置LabView程序的机器视觉控件中，可实现图像探头采集火焰图像的单帧RGB图像到HSL色彩空间的转换，并提取色调、饱和度、亮度的均值和方差；

Haralick特征提取：Haralick特征是从统计角度描述图像的纹理，也是判别火焰图像的一个重要参数，煤粉火焰燃烧时存在局部爆燃，且容易受其他外因扰动，这将使得图像上出现不同的纹理，使用灰度共生矩阵计算火焰图像的纹理特征，可以较为快速和完整地进行纹理特征参数的提取。在cRIO-9042实时控制器的内置LabView程序的机器视觉控件中，对图像计算灰度共生矩阵，统计Haralick特征，包括能量、对比度、熵、同质性、差异性、相关性、峰值，这七个参数作为纹理特征参数；

基于上述功能模块及其指标提取方法，本发明公开一种多信号融合火焰燃烧稳定性控制分析装置,包括计算机、数据采集控制预处理模块、火检探头、图像探头、热电偶温度传感器、转子流量计、空气流量控制器、燃烧室器；其特征为：计算机通过数据采集控制预处理模块采集图像探头、火检探头、热电偶温度传感器信号和向空气流量控制器发送流量控制指令；所述数据采集控制预处理模块将计算机发出的空气流量指令经数据处理后驱动空气流量控制器，通过控制空气量实现火焰的调节和控制；转子流量计与燃烧室中的燃烧器连接，用于模拟现场燃烧器由正常燃烧工况向低负荷运行时燃料量的变化。

本发明公开一种多信号融合火焰燃烧稳定性控制分析方法，包括如下步骤：

步骤1：确保空气流量控制器处于关闭状态下缓慢打开转子流量计，让燃料量为满负荷的1/5左右，点燃在燃烧室内的燃烧器，待火焰稳定后调解转子流量计至燃烧器额定功率燃料量；

步骤2：根据燃料量和燃烧器额定工况下的燃料/空气比例计算燃烧所需空气量，通过计算机控制空气流量控制器调节空气流量到对应值；

为保证燃料在锅炉内充分燃烧，燃料和空气要保持一定比例，例如火力发电厂煤粉炉炉膛出口过量空气系数为1.20，重油、煤气炉为1.10，过量空气系数是指实际送入炉膛内空气量与理论燃烧需要的空气量之比，理论燃烧需要的空气量为燃料完全反应所需空气量，以丁烷气燃料为例，则根据丁烷气体化学反应方程式：

2C₄H₁₀+13O₂＝8CO₂+10H₂O

式中：C₄H₁₀为丁烷分子式，O₂为氧气分子式，CO₂为二氧化碳分子式，H₂O为水分子式，各项系数为化学反应时的配平系数。

2mol丁烷气在标准状态下气体体积为44.8L，完全反应时，需要13mol氧气量，标准状态下气体体积为291.2L，而空气中含氧量的体积分数为21％，设理论燃烧所需空气量为V_O，实际燃烧空气量为V_k，所以折算成空气量为：

根据重油、煤气炉过量空气系数为1.10，则：

即丁烷气为44.8L时，需要的空气量为1525.37L，当丁烷燃气为0.25L/min时，额定工况下空气流量为8.51L/min。

步骤3：通过数据采集控制预处理模块发送火焰特征参数获取指令；并连续采样各传感器数据；使用HSL色彩空间模型提取采样时间内每帧画面的颜色特征参数，再通过灰度共生矩阵统计Haralick特征，获得火焰图像的特征参数，然后将以上参数按采样时间段内时序组成数组送入计算机；

HSI是指一个数字图像的模型：

H表示色调，与光波的频率有关，它表示人的感官对不同颜色的感受；S表示饱和度，指颜色的纯度，纯光谱色是完全饱和的，加入白光会稀释饱和度；I表示亮度，对应成像亮度和图像灰度，是颜色的明亮程度。

对于RGB图像，每个像素均由R(红色)、G(绿色)、B(蓝色)这三种颜色表示，使用下面的公式计算RGB图像中每个像素的HIS参数，形成HSI颜色模型中的H、S、I三个图层，其中，(x，y)表示图层的x行y列像素点，H的计算需要先计算中间变量θ

I(x,y)＝(R(x,y)+G(x,y)+B(x,y))/3

在获得HSI三个图层后，对于单一的图层可使用下面图层均值计算公式和图层方差公式计算，其中T(i,j)为图层上第i行j列像素点，P和Q分别是图层的长和宽，

图层均值用M表示，计算公式：

图层方差用C表示，计算公式：

分别计算得到图层H的均值和方差、图层S的均值和方差、图层I的均值和方差，共计6个参数。

使用灰度共生矩阵统计Haralick特征方法如下：

首先，将RGB图像转化为灰度图，公式如下：

Grey(x,y)＝0.299*R(x,y)+0.587*G(x,y)+0.114*B(x,y)

其中，R(x,y)表示红色图层x行y列的像素值，G(x,y)表示绿色图层x行y列的像素值，B(x,y)表示蓝色图层x行y列的像素值，Grey(x,y)表示灰度图的x行y列的像素值。

使用灰度图计算图像的灰度共生矩阵，取图像(M×N)中任意一点(i,j)和离开它的另一像素点(i+Δx,j+Δy)，设这一对像素的灰度值为(g₁,g₂)，令点(i,j)在整个图像上移动，则会得到各种(g₁,g₂)值，设灰度级数为L,则(g₁,g₂)的组合共有L²种。对于整个图像统计每一种(g₁,g₂)值出现的次数，并将它们排列成一个方阵，得到灰度共生矩阵。

使用p(i,j)表示灰度共生矩阵中的元素值，L代表灰度级，μ_i、μ_j、σ_i和σ_j分别表示灰度共生矩阵中i行和j列的平均值和标准差，计算Haralick特征值，计算公式如下所示：

各个参数解释其意义：

能量(Energy)：用于描述图像纹理中灰度分布的均匀程度和纹理的粗细程度；

对比度(Contrast)：对比度越大，纹理沟纹较深，图像较为清晰，反之，纹理沟纹较浅，图像较为模糊；

熵(Entropy)：表示矩阵中元素的分散程度，如果图像中没有任何纹理，则该值较小。如果图像中的纹理复杂，则该值较大；

同质性(Homogeneity)：反映图像纹理的同质性，度量图像纹理局部变化的多少。其值大则说明图像纹理的不同区域间缺少变化，局部非常均匀；

差异性(Dissimilarity)：与同质性相反，其值越大，说明图像纹理的不同区域间变化剧烈；

相关性(Correlation)：用于描述矩阵元素在行或者列方向上的相关性。如果图像具有某个方向上的纹理，则该方向上的矩阵的该指标的值会比较大。

步骤4：计算机通过通信模块获取数据采集控制预处理模块送入的参数组，并根据火焰图像、火检和温度参数初步判断是否灭火，如果灭火则直接结束程序并输出灭火报警，否则，则进行下一步；

步骤5：计算机将火焰图像的特征参数组送入训练好的SAE模型，获得一段时间内火焰图像燃烧稳定性判断指标序列，然后与该段时间内火检信号的火焰品质，热电偶温度传感器的火焰温度采用贝叶斯融合获得一个火焰燃烧稳定性指标；

堆叠自编码模型(SAE)由多个自动编码器串联堆叠构成，目的是为了逐层提取输入数据的高阶特征，在此过程中逐层降低输入数据的维度，将一个复杂的输入数据转化成一系列简单的高阶特征，然后再把这些高阶特征输入一个分类器或者聚类器中进行分类或聚类。火焰图像燃烧稳定性判断模型首先对训练采样视频提取的每帧图像的HSL色彩特征和Haralick特征参数输入堆叠自编码模型进行逐层降维训练，最后得到每帧图像对应输出值组成一维数组，再对数组进行归一化处理得到[0～1]范围的火焰图像燃烧稳定性判断指标，该值为0时表示火焰图像极不稳定，为1时表示火焰图像最稳定，训练时降维方式灵活，实施例中的一种方式但不是唯一方式如下：

1.将色调、饱和度和亮度的均值和方差、能量、对比度、熵、同质性、差异性和相关性输入自编码器，对应x₁～x₁₂组成输入层x，h₁为隐藏层，这里将维数降低为8维，再增维至与输入层维数一致的x₁’～x₁₂’的输出层x’。通过训练使输入层的x＝输出层的x’，获得一系列h₁系数，舍弃x’，保留h₁。需要说明的是隐藏层降低的维数需要根据训练效果进行调整，为保证训练效果和计算性能，需根据数据量和计算机性能通过多次训练调整，参见图2所示，x为输入层，h₁为隐藏层,x’为输出层，是输入层x对应参数的重构，x₁至x₁₂为输入的HSL和Haralick参数，x₁’至x₁₂’为x₁至x₁₂的重构，训练时，自编码器通过不断调整隐藏层h₁的特征系数，使x₁至x₁₂的值等于x₁’至x₁₂’对应的值，当输入层与输出层所有值都相等时训练完成，这时保留x层和隐藏层，舍弃输出层。对图2进行简化后，其表达式参见图3所示，AE(AutoEncoder的缩写)表示自编码器，输入层x与隐藏层h₁计算得到一个输出层。

2.再以输入层x与隐藏层h₁计算得到的输出层作为下一个自编码器的输入层，采用上一步的方法进行逐层降维训练，并保留每个隐藏层的h，直至维数降为一维，参见图4所示，AE₁为第1层自编码器，AE₂为第2层自编码器，AE_n为第n层自编码器，h₁为第1层隐藏层特征，h₂为第2层隐藏层特征，h_n-1为第n-1层隐藏层特征，y为火焰图像HSL和Haralick参数堆叠自编码器的一维输出结果。

3.对训练获得的一维数组的y值进行归一化处理，获得[0～1]范围内的火焰图像燃烧稳定性判断指标，该值为0时表示火焰图像极不稳定，为1时表示火焰图像最稳定。

4.将训练获得的堆叠自编码和归一化参数保留，组成火焰图像燃烧稳定性判断模型。

实验分析时，将未知燃烧状态的火焰视频以帧为单位连续的将每帧图像的色调、饱和度和亮度的均值和方差、能量、对比度、熵、同质性、差异性和相关性输入火焰图像燃烧稳定性判断模型，就可以得到连续的每帧图像在[0～1]范围内的一个火焰图像燃烧稳定性判断指标。

步骤6：计算机根据火焰燃烧稳定性指标与设定值进行比较，如果测量指标大于设定值，则火焰处于稳定状态，执行下一步，如果测量指标小于设定值，则火焰处于不稳定状态；当火焰处于不稳定状态时，计算机根据火焰燃烧稳定性指标与设定值的偏差量、火检、温度参数计算空气调节量，计算机通过数据采集控制预处理模块向空气流量控制器发送流量调节指令，空气流量控制器根据指令调节空气流量，程序跳转至步骤3；

步骤7:当火焰处于稳定状态时，判断是否收到“停止”指令，如果没有，则跳转至步骤3，如果收到“停止”指令，则停止程序运行。

当装置运行时，手动调节转子流量计，关小燃料流量，这时如果火焰没有出现不稳定现象，则空气流量计仍保持原有流量，当火焰燃烧不稳定时，程序将根据步骤6计算的空气调节量调节空气流量，如果手动调节燃料量过小或过快导致火焰熄灭，则根据判断输出灭火报警并结束程序。而在火电机组运行过程中，如果燃烧器给煤量远低于设计工况时，导致燃烧不稳定，多信号融合火焰燃烧稳定性分析控制软件能根据图像、火检、温度信号准确的给出火焰燃烧稳定性指标，指导运行人员以该指标为依据对风量进行调整，确保火焰在低负荷下仍能稳定燃烧，充分挖掘机组调峰能力。

本发明提供了一种多信号融合火焰燃烧稳定性控制分析装置，该装置模拟炉膛燃烧器产生功率可调的火焰，通过火焰图像、火检和温度信号，采用多信号融合的方法，提供一个火焰燃烧稳定性判断指标。当燃烧器燃料量逐渐减小导致火焰稳定性超出指标范围时，装置能迅速通过调节空气量使火焰保持稳定，由于该指标为多信号融合的综合性指标，能得到比采用单因素检测获得更准确、可靠的火焰燃烧稳定性结果。火力发电厂能根据本发明的装置和方法采集炉膛燃烧器参数，通过数据采集、训练调试后，获取炉膛火焰燃烧稳定性判断指标。运行人员可以依据该指标对低负荷下炉膛火焰燃烧稳定性进行调节，或接入自动控制系统进行闭环控制。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims

1.一种多信号融合火焰燃烧稳定性控制分析方法，包括如下步骤：

步骤3：通过数据采集控制预处理模块发送火焰图像特征参数获取指令,并连续采样各传感器数据；使用HSL色彩空间模型提取采样时间内每帧画面的颜色特征参数，再通过灰度共生矩阵统计Haralick特征，获得火焰图像的特征参数，然后将以上参数按采样时间段内时序组成数组送入计算机；

2.根据权利要求1所述的多信号融合火焰燃烧稳定性控制分析方法，其特征为：所述火焰图像的特征参数包括HSL的色调、饱和度、亮度的均值和方差以及Haralick特征值能量、对比度、熵、同质性、差异性、相关性参数。

3.根据权利要求1所述的多信号融合火焰燃烧稳定性控制分析方法，其特征为：所述HSL色彩空间模型如下：HSI是指一个数字图像的模型：

H表示色调，与光波的频率有关，它表示人的感官对不同颜色的感受；S表示饱和度，指颜色的纯度，纯光谱色是完全饱和的，加入白光会稀释饱和度；I表示亮度，对应成像亮度和图像灰度，是颜色的明亮程度；

I(xy)＝(R(xy)+G(xy)+B(xy))/3

在获得HSI三个图层后，对于单一的图层使用下面图层均值计算公式和图层方差公式计算，其中T(i,j)为图层上第i行j列像素点，P和Q分别是图层的长和宽，

图层均值计算公式：

图层方差计算公式：

4.根据权利要求1所述的多信号融合火焰燃烧稳定性控制分析方法，其特征为：所述步骤5进一步包括如下内容：所述火焰燃烧稳定性指标采用如下算法：该指标基于多信号贝叶斯融合，每个时刻的整体燃烧稳定性St计算方法如下：

通过取适当大小的n，每类燃烧稳定性指标x可对应记录前n+1个时间序列的参数值，即X{X^t-n，...，X^t-2，X^t-1，X^t}，计算X{X^t-n,...，X^t-2，X^t-1，X^t}的标准差

分别计算图像、火检和温度的燃烧稳定性指标x的标准差s₁ s₂ s₃；

结合当前时刻下的这三类燃烧稳定性指标，用字母v₁ v₂ v₃表示，使用下面公式计算整体燃烧稳定性St，即

5.根据权利要求1所述的多信号融合火焰燃烧稳定性控制分析方法，其特征为：所述步骤5进一步包括如下内容：采用堆叠自编码模型(SAE)进行训练，训练时，先通过图像探头采集不同燃料量和送风量配比下稳定燃烧的火焰视频，分别提取HSL色彩特征和Haralick特征送堆叠自编码模型(SAE)进行训练，得到训练好的火焰图像燃烧稳定性判断模型。