消防控制设备,直接关系到人民生命财产安全,而在火灾发生之初,灭火关键在于消防给水设备工作状态是否正常。实际中,消防给水设备长期处于待机状态,容易出现水泵锈蚀、设备受潮、动作不正常等故障,所以,建筑物消防给水设备投入使用时,需具备巡检功能,即定期或不定期低频启动消防给水设备,测试其工作性能及关键参数,确保其在需要投入运行时,能够正常启动。消防给水设备作为建筑电气供水控制设备,使用环境为室内水泵房,多变天气环境下,影响其工作状态的主要因素为环境温度、相对湿度以及漏电流值,本文详细讨论了这三个因素对消防给水设备的影响方式、影响结果和采样方法,并选取这三个参数作为主要控制变量,引入马尔科夫理论和BP神经网络理论,通过分析马尔科夫模型的建立方法和转移概率计算方法,考察它们对控制方式的适应性,提出利用BP神经网络理论完成对单次故障率的计算思路,着重论述了BP神经网络计算方法,并且给出了反向传播的误差分析计算过程,利用恒定湿热环境下得到的消防给水设备故障率数据,通过多元线性回归及残差修正,结合时间因素,得到理论故障率;借助模糊控制理论,将理论故障率及其变化率模糊化,设计模糊规则,指导完成多变天气环境下消防给水设备智能巡检控制。通过编写MATLAB程序,仿真得到马尔科夫-三变量模糊神经网络故障预测模型的控制参数,作为多变天气环境下消防给水设备智能巡检系统的控制参数,指导系统程序设计。对比了分析了定期巡检、直接模糊控制模型和马尔科夫-三变量模糊神经网络模型下巡检次数、巡检效果以及对消防给水设备的影响。通过实例,验证了基于温度、相对湿度、漏电流的马尔科夫-三变量模糊神经网络模型的智能巡检预测控制方式的有效性。最后,提出了增加非关键输入变量,优化预测算法,进一步提高预测精度的想法。本文关于多变天气环境下消防给水设备智能巡检系统的设计制作,有可靠的应用价值,同时,也为多变量预测控制系统在参数获取、归一化、模糊化以及神经网络控制方面,提供了很好的设计思路。