1.一种基于SVM的转炉炼钢钢水碳含量在线实时动态检测方法，其特征在于，该检测方法的实现包括：
根据转炉炼钢环境调节望远光学系统中的视场光栏，从而调节炉口火焰探测的视场使得炉口火焰的预设位置通过该望远光学系统成像，再经由一传输光纤将炉口火焰图像信息传输至一光谱仪；
光谱仪接收到像之后，进行光谱分析获取火焰光谱分布信息；
利用基于SVM终点控制方法根据火焰光谱分布信息进行转炉炼钢碳含量的实时检测，其中碳含量通过SVM碳含量动态检测模型来进行检测。
2.根据权利要求1所述的基于SVM的转炉炼钢钢水碳含量在线实时动态检测方法，其特征在于，所述视场光栏为可变视场光栏。
3.根据权利要求1所述的基于SVM的转炉炼钢钢水碳含量在线实时动态检测方法，其特征在于，所述转炉炼钢碳含量的实时检测通过运行存储在计算机系统中的程序来实现，包括以下过程：
接收火焰光谱信息并构建表征炉内碳含量变化的特征参量；
将表征炉内碳含量变化的特征参量输入一SVM碳含量动态检测模型进行检测；以及
输出碳含量的检测结果。
4.根据权利要求3所述的基于SVM的转炉炼钢钢水碳含量在线实时动态检测方法，其特征在于，所述SVM碳含量动态检测模型为预先训练好的模型，其训练过程如下：
以实际钢水碳含量作为标准，通过反复训练、优化选择，确定SVM学习算法所涉及的各个参量，其具体包括：
由火焰光谱信息构建能够表征炉内碳含量变化的特征参量；
选定SVM学习算法的核函数；
优化控制参数核函数宽度δ和惩罚因子C；
选取模型训练样本，利用SVM学习算法对特征参量进行分类建模；
以测试样本输入所建立的模型，并分析误差和泛化性是否满足设计要求：如果满足，则输出模型，如果不满足，则返回所述步骤重新进行核函数宽度δ和惩罚因子C的选择以重新建模，直到满足要求。
5.根据权利要求4所述的基于SVM的转炉炼钢钢水碳含量在线实时动态检测方法，其特征在于，所述模型训练过程中，按照下述方式构建特征参量：
波长600nm处光谱形状为凸起的尖峰，特征参量a1为此处的光强归一化值；
光谱形状在770nm处凸起的尖峰是双峰，特征参量a2为波长770nm和772nm处的光强归一化均值；
所述两个尖峰中间的连续光谱变化剧烈，将该段谱线平均分成三段，对每一段光强归一化后取平均值得到三个特征参量a3，a4，a5；以及
将光谱分布中光谱的峰值波长λ与所述光谱仪的探测范围最大值Tmax的比值作为第六个参量：a6。
6.根据权利要求4所述的基于SVM的转炉炼钢钢水碳含量在线实时动态检测方法，其特征在于，所述模型训练过程中，所述的SVM学习算法的核函数选自线性核函数，多项式核函数，RBF核函数以及S型核函数中的一种。
7.根据权利要求4所述的基于SVM的转炉炼钢钢水碳含量在线实时动态检测方法，其特征在于，在碳含量的检测过程中，在接收到在线实时采集的火焰光谱信息并构建特征参数后，首先通过所述SVM碳含量动态预测模型确定终点碳的类别，并基于终点碳的类别采用对应的终点拟合函数确定当前所采集火焰光谱信息对应的钢水的碳含量。
8.根据权利要求7所述的基于SVM的转炉炼钢钢水碳含量在线实时动态检测方法，其特征在于，所述终点拟合函数包括了不同终点碳的类别各自所属的终点拟合函数，其中：
所述终点拟合函数表示为：
Y＝f(X)，
该公式表达了X与Y的映射关系，其中X是终点时刻火焰光谱中提取的特征变量，Y是终点碳值，该终点拟合函数使用MATLAB提供一个多项式拟合函数来对数据进行拟合，从而得到拟合函数。