锅炉煤粉燃烧已成为工业生产和人民生活所必需的一种能量和动力来源,而火焰检测系统是保障锅炉安全运行的关键所在。锅炉炉膛中存在炉体火焰和若干个喷火嘴喷出的火焰,通常在存在炉体背景火焰的情况下,需判断喷嘴火焰是否存在,以确定喷嘴的运行状态。本文针对目前炉膛火焰检测系统信号特征提取难度大、信噪比低、难以准确判断的特点,通过对炉膛煤粉燃烧试验数据的采集与分析,提出了一种基于Wavelet变换和BP神经网络相结合的火焰检测方法。该方法把采集的含噪信号进行多尺度的小波分解、特征提取,之后对信号进行软阈值去噪处理,将预处理后的信息作为神经网络的训练输入。从信号处理的角度出发,本文阐述了小波时-频分析的优势,以及小波特有的去噪方法,以小波变换理论为分析工具对现场试验数据进行了具体分析。通过某电厂炉膛火焰燃烧试验证明:该时频局部化分析方法改善了信噪比,克服了目前火检系统容易误判的缺点,结果表明该方法能更有效地识别火焰的燃烧状况,具有广泛的实用价值。