为了满足人们的日常生活需求,越来越多的大型建筑得以建成,尤其是一些大型商场,在满足人们生活需求的同时也聚集了较多的人口,但也带来了一些安全隐患,火灾安全尤为突出。由于环境的特殊性以及人为原因的不稳定性,导致目前火灾探测系统也呈现不稳定的状态,不断的误报警不仅会给生产生活中带来巨大损失,还会麻木人的神经,使人丧失对火灾探测系统的信任感,从而带来更大的损失。在各种防火手段中,火灾探测技术显得尤为突出,是一种方便简洁的预防和减少火灾发生的重要方法。由于早期的传统火灾探测技术仅限于对单一参数的监测,极易出现误报以及漏报,因此,本人在传统火灾探测技术的基础上,着重分析研究了基于模糊神经网络系统的智能火灾探测系统,并对火灾探测算法稍作改进,并应用于大型商场火灾探测技术中。主要工作内容如下:(1)研究早期单一参数的火灾探测器的原理,以及火灾发生的特征,并针对其探测原理总结出传统火灾探测技术的种种弊端,提出信息融合技术,将火灾现场探知的温度、烟雾浓度以及CO含量一起作为系统的输入。(2)模糊逻辑在非线性问题上有较强的处理能力,利用这一优点,运用模糊逻辑推理来对系统输入的三个特征量进行模糊化、模糊推理以及反模糊化等过程,最终得到64条模糊规则,该模糊推理的仿真过程可通过MATLAB来实现,其输出结果是重要的辅助判据。(3)神经网络有超强的自学习能力,能够模仿人脑来进行学习并总结出规律,根据这一大优点,利用神经网络模型来对样本数据进行模拟以及训练。并比较了最常用也是最典型的BP神经网络以及RBF神经网络来进行比较,通过对同一样本数据的训练,来选择最优的神经网络。(4)模糊逻辑推理与神经网络各有各的优缺点,为了能够极大发挥各自的优点,又能互相弥补彼此的缺陷,因此将模糊推理和神经网络进行有机融合,并在决策层提出一种新的判据,综合模糊逻辑推理以及神经网络系统的结果,进行合理科学的判断,以此来提高模糊神经网络系统对火灾探测的准确性。(5)将设计合理的模糊神经网络系统应用于大型商场的火灾探测系统中,将判断的结果与已知的结果进行对比,以此来验证该模糊神经网络系统的真实性以及可靠性。图[24];表[9];参[71]