现代社会中,随着经济的快速发展和科技的不断更新,大型建筑体、商业住宅的集中区域、高层建筑越来越多,规模越来越大,建筑设计和内部构造越来越复杂。由于这些建筑体的特殊性,它们带来的火灾危害程度和火灾控制扑救难度也在不断加大,在这样的发展背景下,开发研制出更高性能、更智能灵敏的火灾探测系统迫在眉睫。由于火灾信息难以预知、非结构性的特点,使用传统的单一参数探测器探测方法由于干扰因素的大量存在,误报率始终无法降低。近几年来,火灾探测器的可靠性、灵敏度做过很多技术改进,在一定程度上提高了火灾报警的准确度。但实践检验说明,目前的火灾探测系统在自动化、智能化方面还有很大的改进空间。要减少火灾误报,比较重要且有效的研究方向是获得对火灾特征信息更准确、细致的描述、判断火情时的信息分析处理更全面、更智能。如今很多学者、工程实践人员在研究基于多种判据的火灾探测技术及其运用到的智能方法。本文以有其火灾特点的城市购物中心为应用背景,通过对火灾原理及当前火灾主要探测方法的研究,提出了基于数据融合算法的火灾探测自动报警系统,基于探测信息、现场环境特点,自动输出系统的最佳决策。对于火灾探测算法的决策判断阶段,保留了根据不同类型的火情概率作为判断参考之一,同时把火灾探测区域的实时相关背景信息也纳入火情决策的判断参考范围,通过多方面信息的有效整合,扩大了火灾探测的决策因子范畴,使系统决策水平上了一个新台阶。论文的主要内容与结论如下:分析了火灾的形成、发展规律、数学模型、火灾探测原理、火灾探测算法的主要几类实现方式,针对城市购物中心分析了其火灾特点。介绍了数据融合的基本理论、过程、结构、不同层级的处理方法,分析该技术在火灾探测领域的应用优势。建立多源信息火灾探测融合算法的系统框架模型,从融合处理的不同层级阶段、信息抽象程度出发,将火灾探测融合算法分成信息层融合算法、特征层融合算法、决策层融合算法三种不同层级,具体信息融合处理步骤和方法有所不同。信息层的主要任务:火灾探测器先通过设定的多种类型传感器采集合适的火灾相关特征参量(常用的有温度、烟雾、CO),然后对原始数据做预处理,采用局部决策器对信息进行分布式处理,一旦特征参量显示异常,同一组的特征参量将被提交至特征层进行进一步的特征识别。特征层的主要任务:运用基于L-M的BP神经网络算法,对多传感器提供的输入特征层的物理参量进行融合识别,输出当前时刻判断出的各类火情发生概率(明燃火概率、阴燃火概率)。决策层的主要任务:运用模糊推理的算法,充分考虑当前区域的火灾相关环境条件信息,引入间接性判据(火灾危害度、火灾危险度)的评估,使火灾探测系统能结合探测区域的环境条件情况(区域辅助决策因子),与特征层输出的直接性判据、持续时间进行融合处理,把人们对火灾判断的经验、考虑方式以模糊控制规则的形式表达出来,提出了162条模糊推理控制规则,通过模糊逻辑推理,自动输出可靠度较高的系统决策。通过MATLAB实验火灾数据的模拟仿真,证明论文提出的方法能使火灾探测系统的特征层具有良好的识别能力、使决策层的决策水平得到有效提高,并同样适用于城市购物中心的火灾探测系统。