火的应用对人类的文明和社会的进步起了巨大的推动作用。然而火一旦失去了控制，便会危及生命财产和自然资源，酿成灾害。长期以来人们一直把火灾视为偶然的、孤立的突发事件，因而采取哪里着火哪里扑救的办法，对火灾的研究也仅局限于用统计的方式研究火灾规律，即通过总结和分析大量火灾原始资料归纳出火灾发生的统计性规律。然而，日益增长的火灾损失和防火灭火的难度促使人们不仅加强火灾资料的整理工作，还深入研究火灾的机理和规律，把火灾防治建立在对火灾科学认识的基础上。 火灾作为一种燃烧现象，其规律具有确定性的一面，可通过模拟研究逐步加以认识，而火灾作为一种灾害现象，其规律又同时具有随机性的一面，由传感器采集的火灾参数是事先未知的或不能确定的信号，它不仅随火灾特征而变化，而且很难用数学语言精确描述。一般的火灾报警系统大多采用单个传感器对绝对参量进行监测，其灵敏度完全依赖于传感器的灵敏度，而实际火灾发生时，会表现出多种特征，且无绝对阀值，这就会造成报警灵敏度和误报率之间的矛盾。 本文针对火灾现象的特点，引入模糊数学聚类分析的方法，采用多传感器信号，对火灾进行分类，由于火灾探测值在很多情况下带有一定的模糊性，火灾、非火灾之间的界限也往往不很清晰，这种模糊分类方法能够使分类更切合实际。基本模糊C均值聚类算法(FCM)对初始矩阵敏感，容易陷入局部极小值。本文结合退火算法，微粒群优化(PSO)算法，最大树方法对模糊聚类算法进行改进，形成新的算法，用Matlab软件分别对数据分类，取得了满意的结果。对于随机正态数据，新算法对数据集方差不敏感，不管方差如何变化，都可以保持稳定，收敛到全局最优解。对于火灾数据，本文研究新方法能够帮助有效区分火灾，阴燃，非火灾现象。 由于传感器设备价格的不断降低，可以考虑用更多的传感器来对同一过程的信息进行测量。本文中把感温，感烟，一氧化碳浓度甚至更多种探测数据复合在一起，对各种类型火灾参数实现综合评估，当综合火警参数达到报警限值时，才进行报警。现场总线使系统设计、安装、及其检修维护，都体现出优越性，节省硬件数量与投资。本文探讨了采用多传感器数据融合，以现场总线协议为基础，采用模糊分类探测算法，组成一个智能火灭报警系统。