近年来,随着科技的迅猛发展,着力于改善人们室内居住品质的智能家居系统受到越多越多的关注,室内居住环境安全和环境质量的好坏直接关系着人们居住环境的品质。目前市面上大多数的智能家居系统都是通过实时监测室内环境因子,再通过人为的一些指令去调节室内环境因子,从而达到令人感到舒适的家居环境状态。良好舒适度的室内居住环境可以令人身心愉悦放松,而冷热交替不均的家居环境会使人感到焦躁不安,潜移默化地影响人们的身心健康。因此研究一种能科学评价家居环境中舒适度的方法显得越来越重要。针对当前智能家居测控系统对家居环境热舒适的控制方式不智能等问题,本文设计了一个基于433MHz无线射频通信技术及ART自适应神经网络技术,用于了解家居环境安全信息和舒适度的监测控制系统。本文采用了BP神经网络算法和ART自适应共振神经网络算法两种方法对家居环境舒适度进行评价,并能够对家居环境安全进行实时监控,为以后建立相应依据热舒适度进行家居控制的系统打下基础。首先,结合当前家居环境存在的具体问题,分析出本系统的设计需求:各终端子系统采集家居环境因子,传输至中央控制单元,再通过Wi-Fi传至上位机软件,这些数据经过数据清洗和归一化处理,输入到ART自适应共振神经网络模型进行检验,从而预测出当前家居环境热舒适度评价等级,并在上位机监控软件中进行显示,为改善家居环境舒适度打下基础。其次,用户还可以使用上位机软件及触摸屏对各终端设备发出控制指令进行及时调控。其次,通过研究环境变量对家居热舒适度的影响,从而选择影响家居热舒适度的六类因素作为控制变量,并且研究了BP神经网络和ART1自适应共振神经网络与六类影响因素的联系。对其分别进行热舒适度评价模型建立及实验仿真。传统的前馈型BP神经网络虽然准确度较高,但其对包含多样的家居环境因素自适应能力较差,该网络在在线实时监测系统中的应用效果不理想,而本文所建立的自适应共振神经网络ART1在家居环境热舒适度评价模型中,自动识别、在线学习、实时响应效果良好,该网络模型取得的预测精度和收敛时间较BP神经网络都有明显的提升。再次,本研究对下位机硬件电路展开综合性的设计。以STM32F103为核心,通过433MHz无线射频通信网络对家庭内部传感器和控制设备实现规范化的组网,并对外围电路设计,硬件接口电路设计等展开详细介绍,然后对系统的软件进行设计。此外,本研究还通过VB设计了一款上位机监控软件。用户能够通过上位机监控软件实时查看当前家居环境信息及预测的家居环境热舒适度值,还可以通过此软件发出家用电器调控指令。通过一系列的验证,本设计构建的智能预测算法模型可以对家居环境热舒适度进行预测,该预测模型能够在一定程度上提高智能家居系统的智能性。该系统具有操作简单、方便实用的优点,具有一定的市场应用价值。