火灾自动报警系统在现代智能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、集成电路和微电子技术日臻完善,火灾自动报警系统迎来了良好的发展契机。本研究旨在降低火灾自动报警系统的误报率和漏报率,提高系统的智能化水平。首先阐明火灾发生过程中的火灾信号的特征、火灾探测原理和火灾模型建立方法,将模糊神经网络智能算法应用于火灾探测。针对有线网络的不足,设计了无线通信节点,构建了无线通信网络。首先,针对火灾自动报警系统的功能需求,设计了由火灾报警控制器和火灾探测节点组成的二层结构。以嵌入式系统为开发平台,设计了火灾报警控制器,实现火灾判决智能算法和对探测节点的统筹管理；以单片机为核心,设计了复合探测节点电路,对烟雾浓度、温度和CO浓度等信号进行采集。其次,对智能建筑中的火灾信号特性进行分析,采用模糊神经网络对火灾探测复杂的、非线性结构的对象进行处理,充分地利用了模糊控制的专家经验、推理能力和神经网络的学习能力、自适应能力等优点。根据专家先验知识和火灾试验数据,提供训练和测试样本集,对模糊神经网络模型进行训练和测试,训练和测试的结果令人满意,网络模型具有较好的泛化能力。采用附加动量项法和自适应学习率,大大提高了网络的收敛速度。再次,设计一种基于nRF905的通用无线通信节点,构建无线网络,应用于智能建筑火灾自动报警系统,实现火灾报警控制器与探测节点之间的信息无线传输,从而完成火灾自动报警系统的集成,弥补了有线通信网络的不足。本文完成了火灾自动报警系统的整体设计以及部分关键技术的研究。研究表明,模糊神经网络能够提高火灾探测精度,降低火灾自动报警系统的误报率和漏报率,提高系统的智能化程度,它填补了国内智能火灾探测算法研究的不足。采用无线网络增加了系统设计与集成的灵活性,无线网络具有广阔的发展空间,具有很好的研究价值。最后对智能建筑的火灾自动报警系统的发展作了展望,并提出有待进一步深入研究和探讨的问题。