火灾烟雾探测器主要用于探测飞机飞行过程中货舱内发生的火灾前兆,是保证飞机安全的重要设备。为了解决目前飞机货舱火灾探测装置易受空气中灰尘和水蒸气液滴干扰造成误报率极高的问题,提出一种基于多传感器复合的飞机货舱火灾探测方法,通过获取全面的烟雾、温度、气体信息对火灾发生状况进行判断,对提高飞机货舱火灾探测准确率有重大意义。首先分析多种火灾误报警干扰机理,在光的散射理论以及对粒子粒径研究的基础上,将传统的烟雾探测器改进为双波长光电式烟雾探测器,搭建了包括双波长光电式烟雾传感器、温度传感器、CO传感器的复合式火灾探测装置,并设计相应的火灾探测系统软件,为火灾探测提供软件监控平台;然后进行大量真假火源火灾实验,采集火灾发生时烟雾浓度、温度、CO浓度的特征参数,并对实验数据进行分析;最后利用模式识别技术中的人工神经网络算法对采集到的数据进行处理,并采用遗传算法优化神经网络初始权值和阈值,从而实现最终的火灾种类识别。通过实验测试,相比较传统火灾烟雾探测器,嵌入双波长光电式烟雾探测器的复合式火灾探测装置可以根据颗粒物粒径大小排除干扰源,降低误报率,干扰源识别相对误差不超过5.7%,在飞机货舱火灾探测方面具有很强的实用性。