针对三波段红外火焰探测器中可能出现的单一非火焰波段通道的数据丢失、失真、饱和 3种对火焰特征数据的强干扰情况, 本文提出了一种改进型 T-S（Takagi-Sugeno, 高木-关野）模型 RBF（Radial Basis Function, 径向基函数）神经网络的火焰识别的鲁棒性融合算法。该算法通过聚类算法确定模型需要的模糊规则数, 在模糊后件多项式中加入特征分量隶属度生成节点输出, 同时定义了加权模糊节点激活度和特征表征系数代替了原先模型的马氏距离（模糊规则适用度）。通过设计三波段火焰探测器并进行了常规及鲁棒性实验, 实验数据证实, 改进型模型在隐含层所需节点数、收敛速度、精度、泛化能力、鲁棒性上较传统 T-S模型的 RBF神经网络模型、GA（Genetic Algorithm, 遗传算法）-BP（Back Propagation, 反向传播）模型都有明显的提升。

针对兵器外弹道试验中采用单一探测传感器易输出误触发信号的技术难题,设计了一种双源触发方案。采用电磁传感器在弹丸击发时输出击发启动信号,采用枪口火焰触发器探测弹丸离开枪口时火光输出火焰停止信号;触发时序控制电路接收到击发启动信号后,输出一个设定宽度的时间窗脉冲信号,在时间窗内接收到火焰触发器输出的停止信号,即可判定为有效触发信号,否则为干扰信号,进行滤除。通过实弹射击验证,每次射击均能可靠输出触发信号,无误触发现象,能够有效提高触发装置的可靠性。

基于2.2 μm、3.9 μm、4.26 μm 和4.8 μm 四个探测波段的红外探测器对火焰特征信息进行提取分析，提出一种应用于四波段红外火焰探测器的具体识别算法实现的方案。通过分析和比较这4 个波段光谱特性的数学关系，借助阈值法、数学相关分析法和信号平均功率法的融合来实现对四波段红外火焰的识别。试验结果表明识别算法可行且可靠，有效提高了红外火焰探测器的精准度和适应环境的能力，实现了对火灾高可靠和远距离探测的目的。

在设计红外火焰探测器的过程中，人工光源常常会引起探测器的误报。为有效区分人工光源与火焰信号，本文首先对采集的 1种人工光源以及 3种火焰信号进行分析，将采集的信号进行小波包 4层分解，得到信号的能量谱。通过分析发现选取第 2,3,4,7频段的能量值能够将这 4种信号有效区分。为进一步验证实验结果，本文将双通道两路信号的第 2,3,4,7频段的 8个能量值作为一组特征向量，与 BP神经网络结合进行模式识别。结果表明，通过这样的方法不仅可以区分火焰和人工光源，同时可以对 3种火焰进行识别，其识别的正确率为 84.1%。因此，基于小波包能量分析的方法提取这 8个能量值作为特征值具有一定的可行性，能有效减少人工光源引起的误报，同时为火焰种类的识别以及以后的灭火自动化提供了新的可能性。

为提高火焰探测器综合测试系统的稳定性,在相关国家标准基础上,自行研制的IUR76-Ⅰ/Ⅱ型火焰探测器综合测试系统对传统火焰探测器综合测试系统进行了优化和改进。经计算该系统的稳定性较传统测试系统得到了较大提高。分析并计算了新型测试系统和国家标准要求传统测试系统的稳定性,并针对相关国家标准要求提出相应修正建议。