冶金，水泥，发电等工业生产中的各类窑炉每年消耗了大量煤炭资源。煤粉燃烧过程的检测与优化控制对于炉窑高效生产、减少废气排放，提升空气质量具有重要促进意义。 课题组经过4年研究实践，以粉煤灰提取氧化铝回转窑为具体应用对象，针对其生产过程工况识别与控制中的关键技术问题展开研究，就燃烧工况匹配识别中的火焰图像增强去噪，燃煤视频特征特征提取、基于图像与数据融合的稳健工况识别算法等关键问题上取得了诸多理论成果，并将理论成果成功应用到中国大唐内蒙古再生资源分公司的粉煤灰提取氧化铝回转窑生产现场。首先、为解决燃煤图像受现场粉尘干扰严重问题，基于大气散射物理模型和暗原色先验原理，提出结合双区域滤波，联合LLSURE滤波器与图像融合的单幅图像高效去雾算法，应用于火焰图像去粉尘增强，同时构造了低相干性学习字典进行稀疏表示图像去噪，为工业现场火焰视频实时并行去雾增强奠定了基础。其次、煤粉区（燃烧前端煤粉和空气的混合区域）长度和形状变化中具有丰富的工况感知信息，据此提出基于自适应光照补偿和模糊增强的煤粉区分割方法，有效克服了窑内火焰图像的光照不均和图像模糊问题，可快速完整分割模糊图像中的黑把子区域，具有较强的鲁棒性，为燃烧工况景象匹配提供了可靠方法。 第三、针对工况识别中普遍存在的火焰视频模糊，稳健性不强问题，利用多帧火焰信息统计进行工况特征提取，提出烧结带火焰的燃烧稳定程度概念，发现火焰波动与烧结工况变化间的关联关系，构造了平均丰度，短时能量和样本熵等多个衡量稳定程度的动态特征，结合窑前热工数据进行工况识别，取得较好的现场应用效果。第四、为提高工况检测系统的鲁棒性，提出基于鲁棒极限学习机的稳健工况分类方法。分别利用训练误差分布的Parzen窗非参数估计构造ELM权矩阵和基于M估计的加权最小二乘训练方法，有效提高了工况识别系统的整体稳健性。最后，分别建立了基于CUDA平台和Zynq-7000嵌入式系统的燃煤火焰视频并行处理实验平台，将部分研究成果进行了硬件固化。开发了一套能够实时辨识燃煤窑炉过程工况的融合检测与专家控制系统，在大唐内蒙古再生资源开发有限公司氧化铝厂烧成车间的回转窑生产现场进行了投行实验，该系统大幅增强了窑运行稳定性、提升了熟料产量和熟料质量，表明课题研究为实现稳定高效的窑炉过程控制具有重要理论价值和社会经济效益。