火灾不仅夺去了人类的生命财产,还破坏了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。 由此对火灾探测技术的研究就显得尤为重要。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,采用阈值法来判定火灾的。但是,火灾信号的多变性和探测器的固定单一性之间的矛盾使得误报现象十分普遍。为了能够提早并准确报警,目前大量的研究人员正在研制智能化多传感探测器来取代传统的单一传感器来区别非火灾信号和真正的火灾信号。 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。而多传感器数据融合正是能充分发挥多传感器有效作用的一门技术,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、正确的认识。本课题的研究内容是对多传感器数据融合技术进行研究,并在此基础上设计火灾探测的系统。本论文的主要理论研究工作包括三方面的内容,即火灾探测的原理与方法、数据融合技术的基本原理及体系结构和基于数据融合的火灾自动探测系统。本文在分析了数据融合系统的三级结构及火灾非结构特性的基础上,提出了一种基于人工智能的数据融合技术的火灾探测算法,以感温、感烟、气体和感光传感器的模拟量为输入,利用人工神经网络和模糊逻辑技术对多传感器信号进行融合,目的在于设计出一种快速、准确和有效的火灾探测系统,以达到了提早报警和降低误报警的目的。 本文最后对各种火型及极易引起误报的干扰环境进行了仿真,建立的仿真模型可以给出不同环境下的火灾概率,从而验证了本文提出的火灾探测系统的有效性和可行性。