随着人类社会的不断进步，火在历史的长河中扮演非常重要的角色，然而火一旦失去控制，将会给人类带来灾害，即通常所说的火灾。火灾不仅会夺去人类的生命财产，还会破坏人类赖以生存的生态环境和自然资源，严重地威胁着人类的生存安全。因此，防止火灾发生，减少火灾损失成为人类研究的永恒话题。火灾探测技术是防范火灾发生的有效手段。传统的火灾探测报警是根据某种单一的火灾探测器所采集的火灾探测参数，采用阈值比较法来判定火灾的。但是，火灾信号的多样性和探测器类型的单一性之间的矛盾使得误报现象十分普遍。为了能够提早准确报警，目前大量的研究人员正在研制智能型探测器来取代传统的单一传感器，用于区别非火灾信号和火灾信号。人工嗅觉模拟技术属于新兴的多学科交叉技术，它由气敏传感器阵列、模式识别系统、信息提取技术三部分组成。人工嗅觉技术应用于火灾报警系统中可利用气体传感器阵列完成火灾信息的数据融合，增加信息可靠性；模式识别中的模糊神经网络算法完善了火灾判别规则，增加判别的灵活性：多种信息提取技术能使非线性信号线性化，使火灾判别更简单化。如果对多传感探测器的信息只是进行简单的或非判断，相当于把多传感器进行简单的组合，并不能充分发挥多传感探测器的有效作用。而人工嗅觉模拟技术中的气体传感器阵列能对多传感器数据融合，能充分发挥多传感器有效作用。它利用多个传感器获得的各种信息，得出环境或对象特征的全面和正确的认识。课题的研究内容是对火灾阴燃火、明火信号的多数据融合技术进行研究，并在此基础上设计火灾报警探测系统。论文的主要理论研究工作包括三方面的内容，即火灾发生时主要参数的确定、火灾探测的原理与判别算法、基于火灾探测主板的设计思想和原理。本文在分析了火灾发生的特点及人工嗅觉模拟技术原理的基础上，提出了一种基于人工智能的多火灾信息融合的火灾探测算法，以温度、烟雾浓度、CD气体浓度三个模拟量为输入，利用模糊神经网络对多火灾信号进行融合，目的在于设计出一种快速、准确和有效的火灾算法，从而组成一个高效的火灾报警探测系统，以达到提早报警和降低误报警的目的。