铁路信号机属于铁路上的轨旁基础设备,在保证列车的安全运行和提高铁路运输效率方面具有重要意义。目前的铁路信号系统中,铁路信号集中监测系统（Centralized Signaling Monitoring,CSM）能够实时动态的采集信号机点灯回路电流,在发现电流值高于或低于预设界限时,及时发出警报。本文从CSM中获得大量的信号机点灯回路电流数据,总结出4种典型故障曲线和1种正常电流曲线,如何正确的对这五种信号进行诊断是本文研究的重点问题。为解决此问题,实现对铁路信号机设备状态的智能诊断,本文提出了一种基于变分模态分解（Variational Mode Decomposition,VMD）混合特征提取与灰色综合关联模型的铁路信号机故障诊断的方法。本文完成的主要工作如下:首先,通过对铁路信号机点灯回路电流采集原理和信号机结构组成分析,将CSM采集的铁路信号机点灯回路电流曲线总结出4种典型信号机故障模式和1种正常模式,概括其曲线特点及形成原因,建立起样本数据集。其次,针对铁路信号机点灯回路电流信号的特点,采用小波包能量谱特征提取方法和基于VMD的信息熵加均方根混合特征提取方法提取铁路信号机回路电流信号的样本特征序列集,作为后续灰色综合关联分析模型的输入。随后,概述灰色综合关联分析基本理论。首先对样本集进行无量纲化处理并分为参考序列和比较序列。建立起灰色综合关联模型后,再将无量纲化后的多组参考序列经灰色关联矩阵后得到唯一的参考序列特征向量,此时比较序列与参考序列经灰色综合关联模型得到的灰色综合关联度的最大值对应的参考序列即为故障类别。最后在MATLAB仿真环境下,对基于小波包能量谱的灰色综合关联模型、基于VMD混合特征提取的灰色综合关联模型、基于小波包能量谱的K-最近邻（KNearest Neighbor,KNN）模型、基于VMD混合特征提取的KNN模型和动态时间归整（Dynamic Time Warping,DTW）模型分别进行故障诊断仿真实验。选取故障诊断方法的性能评估指标,对模型的优劣性进行对比,结果证实本文基于VMD混合特征提取的灰色综合关联故障诊断方法对信号机故障诊断最有效。最后,本文基于VMD混合特征提取的灰色综合关联故障诊断方法,借助实验室信号集中监测环境,利用C#编程语言与My SQL数据库实现模块化后的软件系统。软件包括信号机回路电流查询与显示、信号机故障诊断、信号机故障维修提示与复诊修正、故障样本与诊断模型更新功能,并对软件功能进行测试,测试结果表明该系统能够迅速有效的对信号机故障进行诊断。图56幅,表21个,参考文献62篇。