在能源短缺和环境问题突出的时代背景下,安全高效地利用能源并减少污染排放已是当今的热点话题之一。随着社会的不断发展,工业燃烧系统的复杂度也日益剧增,这对燃烧设备的安全高效运行提出了更高的要求。燃烧过程作为一个随时间变化的连续过程,其状态的改变必然是一个连续的过程,并非无预兆的“绝对突变”,且引起状态改变的信号初期通常较为微弱,肉眼难以识别与观察。火焰脉动频率作为燃烧过程的重要参数之一,可用于表征燃烧过程的燃烧状态的稳定性。因此,识别火焰固有脉动频率之外的微弱异常信号对设备的维护、避免重大事故的发生具有重要意义。本文首先分析了燃烧火焰稳定的重要性,以及目前对火焰脉动频率检测方法的发展趋势与存在的不足。在此基础上,设计了基于欧拉视频放大技术(EVM)的火焰异常信号检测与可视化方法。该方法首先利用数字火焰颜色分布模型(DFCD)实现红黄色火焰的分离与提取。然后利用欧拉视频放大技术(EVM)对分离后的红黄色分量信号进行分频段放大,实现区域的可视化,并利用火焰区域的平均灰度值进行快速傅立叶变换,得到放大后的火焰视频序列脉动频率,并用该频率与火焰固有脉动频率相比,从而实现燃烧状态的判断。最后对异常状态下的火焰图像进行类差分处理,并结合形态学处理方法对火焰异常信号的产生区域进行提取。通过理论研究和实验验证结果表明,欧拉视频放大技术(EVM)能有效识别并放大火焰脉动区域的微弱信号,实现该区域的可视化。该方法能极大的降低检测设备成本,为火焰微弱异常信号检测提供了新思路和新方法。