火灾是一种常见的灾害,它给人类生命财产等造成重大的威胁和损失。世界各国一直致力于对火灾发生的机制、内在机理进行研究,目的是为了预防火灾发生,尽量减少火灾带来的损失。在众多手段中,火灾探测技术是预防和减少火灾发生的有效手段。针对传统火灾探测技术是基于单参数,误报、漏报十分常见的弊端,本人着重研究了基于模糊控制和神经网络的智能型火灾探测系统,在火灾探测算法上取得了一些进展,主要工作内容如下：(1)针对传统火灾探测技术的种种弊端,不能有效满足当今火灾报警的需求,提出了一种基于模糊推理和神经网络的智能融合火灾探测算法,以CO含量、环境温度、烟雾浓度为系统输入,利用人工智能技术对多信号融合；(2)利用模糊逻辑处理非线性问题能力强的特点,采用模糊推理对三个系统输入进行模糊化、模糊推理、反模糊得到64条模糊规则,算法仿真使用MATLAB实现,模糊推理作为神经网络输出的重要辅助判据；(3)采用神经网络模型来进行数据模拟训练,比较了模型中两种比较典型的BP和RBF网络进行分析,对这两种模型进行了数据训练和测试比较。(4)利用基于经验知识的模糊逻辑和灵活程度高、自学习能力强的神经网络,对二者进行有机的融合,最大限度的发挥各自的特点和优势,在决策层提出了一种全新的判据,极大的提高了火灾探测的准确性；(5)采用MATLAB和实用性非常强的VC联合对该系统进行仿真实现,最终实现人机交互,直观实用；(6)对设计的智能火灾报警系统算法的可用性和可靠性仿真结果表明,该系统可以准确区分非火灾源、阴燃火和明火,并对不同类型的火灾都具有很高的灵敏性,达到了减少误报警的目的。本系统具有高准确性和高可靠性等特性,然而需要在建立精确的火灾样本数据库和其他火灾传感信号收集分析等方面进一步完善。