将探测器的输出信号模糊化后送入神经网络进行处理，采用三层前馈BP神经网络结构，用BP算法进行网络参数的训练，然后由模糊逻辑判决火灾和非火灾。采用C++进行仿真。本文首先阐述了模糊系统和神经网络在火灾探测中的应用依据，并对模糊控制、神经网络以及模糊神经网络的发展和原理等进行综述。本文采用模糊神经网络用于火灾探测中不仅能将模糊系统与神经网络的仿人思维的功能与处理非线性结构的共同特点发挥出来，而且还能各取所长，共生互补。应用多层前馈网络构造模糊变量隶属函数和模糊推理控制模型，使神经网络不再表现为黑箱式映射，其所有节点和参数都具有模糊系统等价意义。将模糊规则与隶属度函数用神经网络表现出来，利用神经网络的自学习特性实现隶属度函数和模糊规则的自动提取，可优化调整隶属函数，并且模糊系统也弥补了神经网络运算速度慢的缺点，因此将其用于火灾探测会具有较低的误报率、较高的可靠性和较强的环境适应能力。同时，本文还提出了模糊神经网络用于火灾探测中的模型结构，详细介绍了模糊神经网络的设计过程与算法，并对模糊神经网络进行训练，得到较为满意的结果，证明了将模糊神经网络应用于火灾探测的思想是完全符合实际要求的。