在安全领域,火灾探测技术一直是其中重要的一个研究课题。传统的火灾探测方法较为单一,它以简单的数学模型和单一的传感器为基础,智能化程度弱,只对单一物理信息(如烟雾或者温度)探测,而厨房的油烟、空气雾霾、吸烟等都会出现报警提示,存在误测误报等现象。因此,鉴于之前火灾探测技术的缺陷以及在安全领域应用受到限制等情况,研发出具有高度智能、自动报警、识别能力强的火灾探测装置就具有较为重要的价值和现实意义,故对此技术的各个方面进行改进和完善。出于此目的,本文研究主要做了以下工作:1、使用多源信息融合技术,通过模糊控制算法和Levenberg-Marquardt BP神经网络算法对火灾发生时的温度、烟雾和CO物理量进行融合、计算、判断,从而构建火灾监测系统。将传统的BP神经网络算法与LMBP神经网络算法做了比较,最终选择了模糊控制算法和LMBP神经网络算法为数据融合算法,将其结果进行多次仿真测试等过程。改进了传统BP神经网络算法模型,提高算法的运行速度和在计算机中的可执行性,最终得到火灾是否发生的决策。2、采用多维传感器采集信息,对火灾发生时的烟雾、温度和CO气体三个物理量进行监测分析。改进了传统火灾探测方法(即单一物理量的采集分析),使得对火灾发生信号监测更加全面。3、火灾监测系统采用ARM系列的CortexA8嵌入式处理器,选择、安装、配置温度、烟雾和CO气体传感器模块,运用C和C++语言,移植Linux操作系统,编写设备驱动。改进了传统单片机(C51、AVR)功能单一、处理数据速度慢的特点。火灾数据较为复杂,ARM处理器能够在处理数据时更加高效和准确。最终将模糊神经网络算法移植到硬件中,通过ARM硬件平台测试,得到火灾准确预测的结果。文章完成了智能火灾监测的仿真与实物测试,实验结果表明使用LMBP神经网络算法比BP神经网络算法更能够提高对火灾数据的处理速度,且与多维传感器技术结合处理信息提高了火灾监测的准确性。智能防火系统的研究,给人们的生活提供了安全保障,改进了传统防火系统的不稳定性,降低了外来环境因素造成的干扰,具有重要的研究意义和应用前景。