火灾预警系统已广泛的应用于汽车行业,在保护汽车安全方面起到了非常重要的作用。然而传统汽车火灾预警系统利用单一传感器采集单一火灾特征量,并根据设定阈值进行判断,容易造成误判和漏判,如何提高汽车火灾决策的准确率,减少火灾的损失是本课题研究的关键。针对目前汽车火灾预警系统检测方式单一、漏报率和误判率高的问题,本文在采集多个汽车火灾特征量参数的基础上,利用多传感器信息融合技术处理系统中不确定和不完备的信息的优势,将多传感器信息融合技术应用于汽车火灾预警系统中,以解决汽车预警系统中采用阈值判断汽车火灾发生的局限性,从而提高汽车火灾预警的可靠性和准确性。本文主要研究的内容如下:首先,通过查阅大量相关的文献,分析和总结了汽车火灾预警系统和多传感器信息融合技术的国内外研究现状,并研究了汽车火灾产生的原因以及其发生的特点,在分析多传感器信息融合算法的基础上,确立了本文使用的算法—D-S证据理论,掌握了D-S证据理论的基本概念以及组合规则。其次,深入研究了D-S证据理论中产生悖论的原因,并总结了不同学者从不同角度对冲突证据进行度量,设计了基于夹角余弦和兰氏距离的D-S证据理论修改方法,通过数值仿真实验对改进算法的有效性进行了验证。再次,介绍了多传感器信息融合的层次,并建立了D-S证据理论决策级信息融合的模型。通过分析与汽车火灾发生相关的特征量参数,构造了基于模糊隶属度的基本信任分配函数进行特征级融合,并结合专家经验和加权平均法确定隶属度参数,最终得到各特征量参数的隶属度函数。最后,搭建汽车火灾预警系统的总体架构,分析了实验环境,并对同一时刻不同模式下汽车火灾特征量参数进行采集,以得到原始数据,然后通过构造基本信任分配函数,采用改进的D-S证据理论,对不同模式下的结果进行决策,并验证其可靠性。实验证明,所改进的方法能够很好处理系统中的高度冲突的证据,并能良好的应用到汽车火灾预警系统中。