火灾自动报警系统是能够及时发现火情，并联动其它灭火设备，并实现监测、报警和灭火自动化控制的消防设备，在现代建筑中起着极其重要的安全保障作用。随着传感器技术、无线通信技术、人工智能技术和计算机测控技术的飞速发展，火灾自动报警系统也迎来了良好的发展前景。本研究旨在提高火灾自动报警系统的智能化水平，降低误报率和漏报率。首先分析了国内外无线监测网络的研究与应用情况，选择了适用于火灾自动报警系统的ZigBee无线监测网络，在天津理工大学17号楼3层设计并构建了无线火灾自动报警系统通信网络。接下来对火灾特征模型进行了分析，选择了具有较强非线性映射能力、自学习能力、并行信息处理能力和容错能力的BP神经网络算法作为火灾探测算法，该算法先对多种火灾参数进行处理，而后判断火灾情况。然后介绍了虚拟仪器的技术背景和LabVIEW的特点，应用LabVIEW虚拟仪器开发了BP神经网络算法，同时设计并开发了一套基于神经网络的智能火灾自动报警虚拟仪器系统。最后基于BP神经网络算法提出了两种火灾识别模型，并且对其进行了仿真实验和火灾模拟实验，实验结果表明，BP神经网络算法能够有效解决火灾探测灵敏度与误报率之间的矛盾，达到了预期的效果。应用LabVIEW开发的无线智能火灾自动报警系统具有可靠性高、智能化水平高等特点，但是还是存在一些有待完善的地方，所以文章的最后对该系统提出了一些改善的方法，并对它的发展作出了展望。