随着科学技术的不断进步,人们生活水平的不断提高,家居生活智能化已经成为一种趋势。舒适性不再是家居生活的唯一的标准,安全性、智能型越来越受到人们的重视。而现代家居火灾发生的频率和规模越来越大,造成生命财产的极大损失,所以研究智能家居防火系统有着重要且实用的意义。智能家居的火灾探测系统的首要工作在于能够尽早的识别出火灾,通过中控系统或其他联动系统,将损失降至最低。本文首先研究了火灾信号的复杂性、非线性结构等特点,然后研究模糊理论和RBF神经网络等相关理论,分别设计出基于模糊系统和RBF神经网络的火灾探测模型,并利用Matlab进行仿真实验,分析得出,单纯的依靠某一种算法处理并不能得到期望的效果。进一步提出将模糊系统和神经网络相结合,进行优势互补,设计出一个拥有6层结构的模糊神经网络。在这个模糊神经系统当中,整个模糊神经网络系统的模糊推理部分由原神经网络来完成;神经网络的训练是通过误差反向传播法,得到适合火灾探测环境的神经网络的权值;训练得到修改后的隶属度函数和模糊规则,作为进一步的推理使用。当传入测试样本时,按照训练好的模糊神经系统进行探测分析,能够得出火灾发生的概率。进一步的引入烟雾的持续时间,在阴燃火和明火难以判别时能够作进一步的判断,并且能够有效的提高抗干扰,在火灾探测时能够作出更为准确的判断。仿真结果表明模糊神经网络能够得到理想的效果,证明模糊神经网络应用于火灾探测中是合理的,能够准确预报,减少误报,有效的提高了火灾探测的稳定性和可靠性,并拥有一定的抗干扰能力。