铁路道岔故障智能诊断研究的核心在于如何有效地获取、分析、处理和利用道岔启动电路和表示电路的有效特征数据信息及故障原因信息,对道岔故障数据实现准确的分类。其研究瓶颈之处在于道岔典型故障数据获取及分析方面的制约,通过对现场实际发生故障进行采集分类、利用试验基地总结典型故障并分类,有效的解决了道岔典型故障数据获取和分析过程中出现的问题。对于道岔型号繁多、故障发生原因不确定、故障曲线表现复杂多样的道岔故障特征信息而言,建立故障特征向量与故障原因的映射关系和道岔故障智能诊断模型也是本文的难点。基于此,本文采用有效的数据整理技术和特征向量提取方法、故障特征向量与故障原因对应规则的设定及智能诊断模型参数的学习,解决道岔故障智能诊断过程中遇到的难点问题。本文在不改变现有信号设备的联锁电路的情况下,同时保证不增加大量监测设备的原则上,在利用现有铁路信号监测设备的基础上,根据微机监测系统提供的道岔故障时数据进行道岔故障智能诊断研究。论文研究的主要工作及成果如下:1.分析了实际工作中道岔故障诊断的现状和存在问题,提出了故障智能诊断的实际需求。总结了常见故障诊断方法不足之处,并结合上述需求引入了基于神经网络道岔故障智能诊断。2.详细分析了ZD6型道岔和提速道岔机械原理和电路原理,结合实际工作中微机监测系统采集原理和现场实际情况,分析、归纳了ZD6型道岔和提速道岔的典型故障动作电流曲线,为铁路道岔启动电路故障智能诊断奠定了基础。3.在分析ZD6型道岔故障时的动作电流曲线基础上,提出了三种提取道岔动作电流曲线特征向量的方法,再根据动作电流曲线的特征向量,提出了基于神经网络的ZD6型道岔启动电路故障智能诊断算法。最后,对ZD6型道岔启动电路历史实际故障进行离线测试,测试结果与实际故障相一致,进一步证明了所选ZD6型道岔启动电路故障特征向量和基于神经网络道岔启动电路故障智能诊断的有效性。4.在分析提速道岔故障时的动作电流曲线基础上,提出了两种提取提速道岔动作电流曲线特征向量的方法,再根据动作电流曲线的特征向量,提出了基于神经网络提速道岔启动电路故障智能诊断算法。最后,对提速道岔启动电路历史实际故障进行离线测试,测试结果与实际故障相一致,进一步证明了所选提速道岔启动电路故障特征向量和基于神经网络道岔启动电路故障智能诊断的有效性。5.分析了ZD6型道岔和提速道岔表示电路故障时的电压曲线,提取了道岔表示电压曲线的特征向量,提出了基于神经网络的ZD6型道岔和提速道岔表示电路故障智能诊断算法,对历史实际故障数据进行离线测试,测试结果与实际故障相一致。本文的结论不仅对道岔故障智能诊断具有理论指导意义和现场实际应用价值,同时也为微机监测系统在道岔故障智能诊断发展提供了方向,而且对其他信号设备故障智能诊断具有借鉴作用。