随着生猪养殖业的快速发展,加强生猪养殖智能系统关键技术研究,提高生猪养殖减灾防灾能力,保障生猪养殖安全已成为猪业生产的关键内容之一。母猪是生产的源动力,其健康状况直接关系到养殖安全。恶劣的环境和不当的饲养管理对母猪健康产生不利的影响。研究猪舍环境舒适度和智能饲喂,实现猪舍环境的精准评价预测、调控和母猪的精准饲喂,对猪业生产具有重要的现实意义。论文以能繁母猪为研究对象,主要对母猪舍多环境参数测量与调控策略、NH3浓度预测方法、环境舒适度实时评价和预测评价方法、母猪养殖专家支持系统以及母猪智能养殖管理系统集成和应用等方面开展研究,论文主要研究内容及结论如下:（1）针对母猪舍多环境参数分布不均匀和难以调控的问题,提出了三维测量模型,根据采集的温度、相对湿度、NH3和CO2浓度的时间及空间序列数据,分析其时空分布特性。研究了母猪舍多环境参数综合调控策略,建立变论域模糊控制的通风控制器和温度控制器,基于灰色预测和组合权重构建温度灰色预测模型,实现对温度的提前控制,最终实现不同季节母猪舍多环境参数的综合控制。根据猪舍内外热交换平衡,将延长的加热时间作为通风补偿系数,优化了冬季气候条件下的猪舍环境调控。（2）针对当前母猪舍NH3浓度预测精度不高的问题,考虑猪舍中的NH3浓度受多种环境因素影响,研究了基于随机森林算法筛选重要变量、改进分组自适应加权数据融合、混合核ACFOA算法优化最小二乘支持向量机（LSSVR）的NH3浓度预测模型。首先,在多环境参数原始数据预处理的基础上,利用随机森林算法筛选出影响NH3浓度的重要环境变量,降低输入维度。接着,采用改进分组自适应加权融合算法层层融合提高监测数据的准确性。最后,研究自适应混沌果蝇算法对LSSVR的超参数γ和σ组合寻优,组合不同特性的核函数,建立了混合核ACFOA-LSSVR预测模型,用于NH3浓度的预测。将本模型与单核函数ACFOA-LSSVR模型以及GS、GA和PSO算法优化的LSSVR模型相比,得出本模型拟合度最高,预测误差最小。将本模型与GS-LSSVR、GA-LSSVR、PSO-LSSVR模型在不同时间尺度下进行比较,证明了本模型更适合长时域的预测。（3）研究了基于多参数耦合作用的母猪舍环境舒适度实时评价和预测评价方法。首先,构建了哺乳母猪舍环境舒适度评价指标体系,研究了宽-窄域相结合的隶属度函数构造方法,采用IAHP-FCE模型实时评价母猪舍环境舒适度。其次,提出利用变尺度混沌布谷鸟算法寻优操作获得LSSVR最佳超参数,建立了混合核MSCCS-LSSVR预测模型,用于母猪舍环境舒适度的预测评价。结果表明,IAHP-FCE模型与单因素评价模型（SFE）对不同天气条件下环境舒适度评价结果的相关系数分别为0.722和0.662,前者比后者更能有效处理多环境参数的不确定性和模糊性。混合核MSCCS-LSSVR模型的预测精度高于GS、GA和PSO算法优化的LSSVR模型。该模型预测结果的平均绝对误差为0.0639、均方根误差为0.1787,决定系数为0.9086,表明该模型具有更高的预测精度和更好的泛化能力。（4）为实现母猪健康养殖过程实用化、规范化的指导和管理,研究了母猪养殖专家支持系统。利用产生式知识表示法建立母猪饲喂知识库,根据饲喂规则集不同条件的组合,基于概率论的可信度不确定性推理方法推理决策出母猪日饲喂量,个性化定制饲料配方和饲喂方案。研究了基于复用度模型的改进Rete模式匹配算法（RDM-Rete）,利用该算法构建具有高复用度的网络拓扑结构,利用Hash表索引快速定位事实,得到Hash-RDM-Rete算法。结果表明,RDM-Rete算法构建的网络结点复用性能比标准Rete算法提高了25%,Hash-RDM-Rete算法的平均推理时间分别比标准Rete算法和RDM-Rete算法减少了42.57%和32.35%,且两种改进算法的推理结果与标准Rete算法的偏差率均为0。证明了本文Hash-RDM-Rete算法能够显著降低网络的复杂度并加快推理速度。（5）开发了母猪健康养殖智能管理平台,实时获取猪舍环境信息,具有智能评价预测、智能调控和智能投喂等功能,实现了智能养殖管理系统集成。利用该平台,智能评价预测模型对猪舍有害气体和舒适度变化提前预警,智能调控系统实现了在不同季节对关键环境参数的有效调控,消除了有害气体对母猪健康的不利影响。研究了猪舍环境舒适度与饲喂数据的关联性,为专家系统饲喂量决策模型建立时条件参数的选择提供指导,采用结合专家系统的物联网母猪饲喂器对怀孕母猪和哺乳母猪进行日饲喂量决策和智能投喂。结果表明,母猪在不同的饲喂阶段均获得了足够的采食量,怀孕母猪年提供断奶仔猪数（PSY）可增加1.51只,提高了母猪健康养殖的经济效益。