地铁作为我国轨道交通系统中的重要组成部分,凭借运行速度快、载客量高、低污染等诸多优点,已成为当前轨道交通领域研究热点。塞拉门系统在地铁系统中直接面向乘客,其安全可靠性关系到乘客生命和财产安全,地铁塞拉门故障诊断系统设计,可提高地铁车辆塞拉门维保效率,降低维护成本,保障乘客安全,提高车辆运营可靠性。首先,论文对研究背景及意义进行了阐述,对地铁塞拉门故障诊断技术的国内外研究现状进行了说明。介绍了智能诊断算法的发展历程以及几种主要的智能诊断算法,并以地铁车辆塞拉门为研究对象,介绍了塞拉门故障诊断技术的当前研究热点与成果。其次,针对现有智能门控器的不足,在分析塞拉门组成结构的前提下,对现有塞拉门门控器电气线路进行升级改造,通过加装数据采集卡的形式,对开关门过程中的电机电流等数据进行了采集发送。同时,为解决采集到的海量数据的存储问题,提出了一种基于自适应分段的一维小波变换数据压缩算法,使用现场霍尔电流传感器采集到的电压数据进行了压缩测试。实验结果表明,改进的压缩算法在提升压缩率的同时,确保了数据的还原精度,证明了改进算法的有效性,为后期故障诊断算法研究积累了原始数据。最后,根据采集到的过程数据特点,采用EMD加奇异值的特征提取算法对原始数据进行了特征提取,并使用KPCA算法对提取出的特征集进行了降维操作,为后期故障分类算法提供了最优输入特征集。针对传统故障分类算法诊断率较低、容易陷入局部最优解等问题,建立基于DE-GWO优化的SVM诊断算法,使用降维后的最优特征集进行了故障识别测试。试验结果表明,本文建立的改进故障分类算法与传统故障分类算法相比,具有更高的识别率,具有一定的工程应用价值。