随着高铁列车的运营速度不断提高，车载设备作为列控系统的重要组成部分，其故障与否直接影响到列车运行安全。在列车的运行过程中，车载设备的故障时有发生。但是目前车载设备的故障诊断技术过于依赖人工经验和专家知识，已不能满足我国现代化铁路高速运行的需求。因此，车载设备故障诊断的智能化研究具有重要意义。　　本文针对列控车载设备故障数据的特点，在深入研究车载设备结构与功能的基础上，提出了一种基于关联规则的列控车载设备故障诊断方法。建立故障特征和故障模式之间的对应关系，实现了车载设备故障诊断的智能化分析。论文的主要工作包括:　　(1)故障特征提取:本文对车载设备故障数据的特点进行了分析。针对这些数据的特点，构建车载设备的故障特征词库，采用TF-IDF特征提取方法对故障文本数据进行向量化。计算出故障特征词在各故障文本中的属性权重，并对其进行离散化和降维处理。最后生成故障决策表为后面的关联规则分类提供数据基础。　　(2)故障诊断:构建了基于关联规则的故障诊断模型，通过对历史故障文本进行文本挖掘，建立故障诊断规则库，为故障诊断提供依据。选择了FP-Growth关联规则算法作为本论文故障分类的算法，并结合具体的实例详细介绍了该算法的实现过程，得出具体的故障诊断关联规则，并对规则进行解释说明。　　(3)实验验证及分析:通过数据训练和数据测试，得到模型诊断后的一级故障和二级故障比例，并对模型的准确率、精确率、召回率和F1-measure等评估指标进行了结果分析，从而验证了该模型的可行性和准确性。最后通过MATLAB和C#的混合编程设计了车载设备故障诊断系统。