降低发电厂的燃烧污染物排放,符合环境保护的要求,根据燃烧状态对锅炉的燃烧进行优化能有效控制污染的产生,且能避免锅炉熄火和爆炸等事故,从而使得锅炉能安全经济地运行,但现有的用于锅炉燃烧状态诊断的工具都会出现一定程度的不稳定和识别率低等问题。本文在分析了炉膛火焰燃烧诊断现状的基础上,结合国内外当前的研究方向,提出了一种基于数字图像与特征加权支持向量机相结合的燃烧稳定性判定模型。量化了炉膛火焰的稳定程度,采用图像处理技术,对火焰图像进行简单处理后提取了能表示燃烧图像特征的五个特征参数,并以此建立用于燃烧判断的数据库,为后面的模型提供样本进行训练。针对支持向量机只能用于二分类和其惩罚参数与核参数的寻优问题,本文采用一对一法对其进行改进,使其能用于多类别分类,并且采用改进的网格搜索法对其两个参数进行寻优,先在大范围的参数区间内使用大步长粗搜,之后再使用小步长进行细搜,从而在找到最优解的同时缩短运算时间。最后采用燃烧数据库对改进后的支持向量机模型进行训练和测试,实验结果表明,该模型对火焰燃烧稳定性的判定具有较高的准确率,且运算速度也较快。支持向量机不考虑特征属性对判定结果的影响,然而实际上样本中会含有一些特征对分类结果的影响很小,从而会影响分类器的推广,为此本文提出一种基于Relief-F算法的特征加权支持向量机模型用于火焰稳定性判断。考虑到粒子群算法容易陷入局部极小点的缺陷,采用退火算法改进粒子群,利用改进后的粒子群算法对特征加权支持向量机的惩罚参数和核参数进行寻优,并从燃烧数据库中取样本对该模型进行训练和测试,实验结果表明该模型具有可行性且具有非常好的分类效果,与支持向量机模型相比,特征加权支持向量机模型对炉膛火焰判稳的准确率得到了很大的提升,更适合用于燃烧火焰的判稳。