1.一种智能家居设备管理方法，其特征在于：包括如下步骤：

搭建设备管理平台，在设备管理平台内与各个类型的智能家居设备进行交互，并对设备管理平台提供可视化窗口，获取各个类型智能家居设备的位置和状态；

采集室内环境参数数据，进行预处理后，建立环境参数数据集，基于环境参数数据集获取目标楼层内的室内环境评估值Pr，并将环境参数数据集和室内环境评估值Pr输入到建立的模糊神经网络控制模型中，若是室内环境评估值Pr＜标准阈值，则通过模糊神经网络控制模型完成对智能家居设备的调控，直至室内环境评估值Pr≥标准阈值；

目标楼层内的室内环境评估值Pr的获取方式如下：获取目标楼层内的室内温度T、室内湿度H以及室内二氧化碳含量C，无量纲处理后，关联形成室内环境评估值Pr；

；

其中，参数的意义为，0. ， ，且 ， 为权重，其

具体值由用户调整设置， 为常数修正系数；

在模糊神经网络控制模型中，对智能家居设备调控采用联动式调控，包括如下步骤：

第一步定义联动关系：当室内温度T超过设定阈值时，则智能空调和智能通风扇同步开启，当室内湿度H低于预定阈值时，则智能加湿器和智能通风扇同步开启，当室内二氧化碳含量C低于预设阈值时，则智能通风扇和智能空调同步开启；

第二步构建模糊神经网络模型中的CNN卷积神经网络模型：根据联动关系，构建CNN卷积神经网络模型；

第三步定义输入变量和隶属函数：根据联动关系，确定室内环境参数数据和各个参数数据的隶属函数，其中的室内环境参数数据为输入变量，隶属函数用于将输入变量模糊化，使连续的输入映射到模糊的语言描述上；

第四步制定模糊规则和推理规则：基于联动关系和输入变量，使用模糊IF‑THEN规则来表达输入变量和输出设备的联动关系，其中的输出设备为各个类型的智能家居设备；

第五步训练CNN卷积神经网络模型：使用反向传播算法，通过调整CNN卷积神经网络模型的权重和偏置，训练其学习和调整联动调控关系；

第六步联动调控：将CNN卷积神经网络模型应用于实际的智能家居设备联动调控中，根据当前的输入变量值，输入到CNN卷积神经网络模型中，通过模糊推理和模糊输出的处理，得到相应的输出信号，控制智能家居设备进行联动调控；

在模糊神经网络控制模型发送对目标智能家居设备的调控指令后，设备管理平台获取目标智能家居设备的状态，若是目标智能家居设备不作出响应，则通过设备管理平台反馈至移动端，触发报修指令。

2.根据权利要求1所述的一种智能家居设备管理方法，其特征在于：各个类型的智能家居设备至少包括：智能空调、智能加湿器以及智能通风扇，且智能家居设备和设备管理平台共用同一局域网，所述设备管理平台与各个智能家居设备通过WIFI协议实现通信连接。

3.根据权利要求1所述的一种智能家居设备管理方法，其特征在于：在各个智能家居设备中均内置有GPS定位器，用于定位智能家居设备的位置，且智能家居设备的状态至少包括：实时运行状态和能耗。

4.根据权利要求2所述的一种智能家居设备管理方法，其特征在于：室内环境参数数据至少包括：室内温度T、室内湿度H以及室内二氧化碳含量C，其中，所述室内温度T的获取方式为：使用温度传感器直接测量，所述室内湿度H的获取方式为：使用湿度传感器直接测量，所述室内二氧化碳含量C的获取方式为：使用二氧化碳浓度传感器直接测量。

5.根据权利要求3所述的一种智能家居设备管理方法，其特征在于：目标智能家居设备不作出响应的标准为目标智能家居设备的能耗始终为0，而后设备管理平台将获取到的目标智能家居设备的状态信息通过无线信号传输的方式反馈至移动端，在用户手机APP上触发报修指令，实现振动提示。

6.一种智能家居设备管理系统，其特征在于：包括设备连接模块、设备管理模块以及设备维修模块；

其中，设备连接模块、用于在设备管理平台内与各个类型的智能家居设备进行交互，并对设备管理平台提供可视化窗口，获取各个类型智能家居设备的位置和状态；

设备管理模块、用于采集室内环境参数数据，进行预处理后，建立环境参数数据集，基于环境参数数据集获取目标楼层内的室内环境评估值Pr，并将环境参数数据集和室内环境评估值Pr输入到建立的模糊神经网络控制模型中，若是室内环境评估值Pr＜标准阈值，则通过模糊神经网络控制模型完成对智能家居设备的调控，直至室内环境评估值Pr≥标准阈值；

目标楼层内的室内环境评估值Pr的获取方式如下：获取目标楼层内的室内温度T、室内湿度H以及室内二氧化碳含量C，无量纲处理后，关联形成室内环境评估值Pr；

；

其中，参数的意义为，0. ， ，且 ， 为权重，其

具体值由用户调整设置， 为常数修正系数；

在模糊神经网络控制模型中，对智能家居设备调控采用联动式调控，包括如下步骤：

第一步定义联动关系：当室内温度T超过设定阈值时，则智能空调和智能通风扇同步开启，当室内湿度H低于预定阈值时，则智能加湿器和智能通风扇同步开启，当室内二氧化碳含量C低于预设阈值时，则智能通风扇和智能空调同步开启；

第二步构建模糊神经网络模型中的CNN卷积神经网络模型：根据联动关系，构建CNN卷积神经网络模型；

第三步定义输入变量和隶属函数：根据联动关系，确定室内环境参数数据和各个参数数据的隶属函数，其中的室内环境参数数据为输入变量，隶属函数用于将输入变量模糊化，使连续的输入映射到模糊的语言描述上；

第四步制定模糊规则和推理规则：基于联动关系和输入变量，使用模糊IF‑THEN规则来表达输入变量和输出设备的联动关系，其中的输出设备为各个类型的智能家居设备；

第五步训练CNN卷积神经网络模型：使用反向传播算法，通过调整CNN卷积神经网络模型的权重和偏置，训练其学习和调整联动调控关系；

第六步联动调控：将CNN卷积神经网络模型应用于实际的智能家居设备联动调控中，根据当前的输入变量值，输入到CNN卷积神经网络模型中，通过模糊推理和模糊输出的处理，得到相应的输出信号，控制智能家居设备进行联动调控；

设备维修模块、用于在模糊神经网络控制模型发送对目标智能家居设备的调控指令后，设备管理平台获取目标智能家居设备的状态，若是目标智能家居设备不作出响应，则通过设备管理平台反馈至移动端，触发报修指令。

7.一种智能家居设备管理设备，其特征在于：包括管理设备本体和控制器，控制器包括存储器、处理器以及存储于存储器内并在处理器上运行的计算机程序，处理器执行计算机程序时实现如1‑5任一项所述方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：计算机程序被处理器执行时实现如权利要求1‑5任一项所述方法的步骤。