"La caracterización y control de la flama ha sido reconocido como un aspecto impoirtante de la puesta a punto de combustión. El parpadeo de la flama y su espectro electromagnético han demostrado ampliamente proporcionar información características de flamas en procesos de combustión. Esta informaci on puede ser utilizada para el control de emisiones y la optimización de la combustión. Un sistema de optioptimización de la combustión con base en la caracterización de la ama comprender a la instrumentaci on en l nea de los quemadores para control de la flama, un algoritmo para el procesamiento de la señal de flama y un esquema de control. En este trabajo se reporta una metodología para la selección de un subconjunto de parámetros que mejor describen la combustión en quemadores a partir de parámetros característicos lineales y no lineales en el dominio del tiempo y la frecuencia obtenidos de la señal de flama. Este subconjunto de parámetros contiene suficiente información para proporcionar la indexación de flama e inferir la estequiometria de combustión en un intervalo de condiciones de combustión. En esta metodología se determinan los índices de flama con informaci on derivada del conocimiento experto, observaciones directas de la forma física de la flama y la estequiometria de la combustión. El algoritmo de red neuronal artificial probabilística fue utilizado para la clasificación de los parámetros de la flama y asociarlos a un ndice de ama. La red neuronal probabilística se basa en un algoritmo de aprendizaje supervisado y es un excelente clasificador de patrones, superando a otros clasificadores incluyendo algoritmos de retropropagación. Un proceso de optimización global de la caldera fue implementado para verificar la optimización de la combustión en quemadores. El algoritmo colonia arti cial de abejas fue usado para el proceso de optimizaci on de emisiones de NOx con restricciones de la e ciencia de la caldera, debido a su mejor desempe~no en procesos de optimizaci on multivariable basada en datos experimentales comparado con otros enfoques. Datos del esc aner de ama y del sistema de control de la unidad fueron procesados con estos algoritmos para determinar el estado de la combusti on en el quemador. La unidad es una caldera de 350 MW multi-quemador de pared opuesta que utiliza aceite Bunker C. Los resultados mostraron un excelente desempe~no en la clasi caci on de la ama, y se puede utilizar para la optimizaci on del quemador."