随着城市化的发展和城市人口的急剧增长,人们对生活质量的需求也在逐步提高,绿色环境对于人们的身心健康越来越重要,家居或工作环境下养植植物逐渐成为潮流。目前的智能温室技术一般应用于农业大棚的养植中,却从未引入到家庭或工作环境中来。自从物联网的概念提出到现如今人工智能的急速发展,越来越多的此类技术被逐渐应用到社会和生活中,并由此引发了深刻的社会变革和科学技术的快速发展。随着人们对于美好家居环境的向往以及对于家庭温室需求的增加,巧妙地结合物联网和人工智能的相关技术,设计研发出了一款家庭智能温室系统。家庭智能温室系统引入物联网概念,设计为感知层、网络层和应用层的三层结构。针对温室环境的数据采集,设计了多传感器数据级融合算法来得到温室环境较为准确的数据值。并对家庭温室系统自动控制模式下的控制方法,采用T-S模糊神经网络控制器经过训练之后得到控制策略进行智能控制。本文主要研究内容如下:(1)对家庭智能温室系统的需求进行分析,根据需求设计了温室环境参数检测、温室环境调节控制、环境数据传输、系统人机交互四类功能,基于物联网的体系结构将家庭智能温室系统方案设计为感知层、网络层和应用层的三层结构。(2)设计了家庭温室的结构,并对温室系统中感知层中的ZigBee网络和网络层中的STM32智能网关进行了硬件设计。(3)设计系统通信协议和各类应用软件。设计完整多层通信协议,满足采集数据和控制信息在各层间双向传输需求,并分别对系统感知层的ZigBee网络、网络层的STM32智能网关、网络层的上位机软件和应用层的App进行了软件设计。(4)针对家庭智能温室的数据级融合,简要说明了目的与作用,通过提高感知环境数据的准确程度来获得更好的温室智能调控改善环境的效果。设计了基于支持度的自适应加权融合算法。通过仿真实验,最终验证了本文方法得到的融合结果,变化幅度小,准确性和稳定性好,适用于家庭智能温室系统的数据级融合。(5)针对家庭智能温室系统中自动控制模式,选用T-S模糊神经网络模型来得到控制策略。对T-S模糊神经网络在温度调节控制和湿度调节控制进行了模型建立,对样本数据进行训练并且通过检验数据对模糊神经网络进行了检验,能够给出家庭智能温室系统的智能控制策略。(6)对家庭智能温室系统进行综合测试,分别对上位机功能、移动终端App功能和温室设备控制进行了测试。通过上述的测试,达到了家庭智能温室系统的设计需求,验证了系统的可行性。