IVC (Individually Ventilate Cages,独立通风笼具系统)具有节约能源、防止交叉感染、易于维护和运行费用低等众多优点,适用于清洁级以上大、小鼠饲育及实验。近年来,在国内外实验动物科学领域得到了一定程度的普及使用。但是在国内,由于应用环境与国外的差异性,且众多国产的IVC产品由于不能控制笼盒内温度、湿度、动物照度等重要的物理指标而不能脱离许多实验室辅助设备独立使用,使得IVC在国内的推广受到了一定的制约。本文的研究工作能使国产IVC产品更加符合我国实验动物饲养的要求,也能使我国实验动物的清洁等级得到提高,同时能将国产IVC产品更好地推向市场。本文对IVC报警系统及其故障算法做了研究,提出运用人工神经网络的方法对IVC故障进行诊断,并且设计了一套远程智能报警系统。本文选用自组织特征映射网络(Self-Organizing Feature Map,简称SOM)进行IVC故障诊断。首先应用传统的多故障整体诊断模型,其次根据IVC故障的特点,采用了一种应用于IVC的单一故障并行诊断模型。最后将两种模型的实验结果进行对比,结果证明:在对IVC故障诊断中,单一故障并行诊断模型明显优于传统的多故障整体诊断模型。该智能报警系统可以实现现场报警和远程报警的功能。远程报警部分基于DTMF(Dual Tone Multi Frequency)的远程数据传输技术,将报警信息和故障诊断的结果通过语音及时、有效地传递给有关人员。文章介绍了语音录放电路、DTMF信号解码和发送模块、现场报警模块和远程报警模块等主要模块的硬件设计,最后介绍了本系统的软件设计思想。