室内设备调控系统可以构建舒适的室内环境,进而提升室内人员的工作效率.但由于不同人对不同环境下的舒适标准不统一,因此需要具有学习能力的系统来学习室内人员的使用习惯,进而满足室内人员多元化的需求.选择百叶窗设备调控方向,研究开发一套可持续学习的室内设备调控系统,可检测室内环境数据并分析得出最适宜的百叶窗设备运行状态,同时可对设备状态进行反馈,满足了多元化的需求.本系统基于LSTM神经网络搭建,加入Attention注意力模块使控制结果更精确,解决了现有室内设备调控系统与用户无法反馈等问题,为建立个性化设备调控系统提供了技术基础.测试结果表明,本系统在搭建的仿真场景中可根据室内环境信息变化实时且正确地调整百叶窗设备,表明了本系统具有准确性、可行性与实用性.