一直以来频繁发生的火灾不仅给我们带来了巨大的经济损失,更是严重威胁到人们的生命安全,是人类共同面临的一个灾难性问题。火灾救援中,固有网络设备的损坏致使通信不畅从而导致消防员伤亡的事件时有发生,火场中大部分固定网络设施因损坏而无法工作,有线组网方式效率低且脆弱,恶劣环境下难以适用。动态三角网是一种特殊的移动自组网,它具有不依赖任何固定设施组建的抗毁性强的特点,较适用于火灾救援。网络中以机器人作为网络参考节点,在保障覆盖火场信息的同时,机器人可协助消防员展开搜救撤离工作。这为消防员全面的掌控火场情况进行搜救、撤离路径提供了保障。本课题主要是针对火场信息融合和消防员撤离问题,使用了动态三角网的技术并加以研究与实现。首先,本文针对二维火场环境搭建出动态三角网络图。其次,对火场数据融合问题展开了研究。目前常用的解决不确定的信息融合问题且不需要先验概率的融合方法主要为D-S证据理论,考虑火场传感器会因环境恶劣致使多源信息检测的不准确而带来数据冲突问题,这势必会影响D-S数据融合算法得到的结果。本文通过对D-S数据融合算法进行改进,提出基于JS-C(联合相似函数与信度函数)的D-S数据融合算法,在证据间距离计算相似系数的基础上加以完善,引入度量证据间距离相似度的距离相似度函数和度量证据间方向相似度的余弦相似度函数,并针对火场中不同传感器的可信度不同对证据进行信度分级,然后将信度分级后的证据体进行加权平均,最后再利用Dempster组合规则进行数据组合,通过计算结果证明本文方法的有效性。然后对消防员撤离过程中的路径选择问题进行了研究。火场中撤离,从消防员的安全角度来看最短路径并不意味着最优路径,随着火势的蔓延,最短路径附近的环境可能并不安全,会对撤离人员造成伤害,故撤离时要兼顾最快撤离与路径安全。本文组建的动态三角网的动态稳固的网络拓扑很好的解决了火场通信和环境评估的难题,同时提出了基于节点安全预测的火场撤离路径。该方案使用基于JS-C的D-S证据理论对火场中各节点采集的烟雾浓度、温度、氧气浓度进行数据融合,确定节点位置的安全等级；引入预测机制,可以预测前进路径中节点的安全等级的变化。根据安全等级变化,剔除网络中危险节点,使用基于路程换算的A*算法计算实时最短的安全路径。最终目标是找出路径短且安全性高的撤离路径,实验仿真验证了该方法的可行性与优越性。最后,指出了有待解决的问题。