铁路道岔系统在铁路基础设施中占有重要地位,其工作状态会直接影响整个铁路系统的行车安全与运营效率。随着我国高速铁路列车的不断提速,对道岔设备可靠性的要求越发严苛,对其日常检修维护的要求也相应提高。目前,国内各大铁路局电务段一般采用天窗点检修配合周期性维修的方式对道岔设备进行维护。由于现阶段集中监测系统报警精确度不足,在发生故障时仍旧主要通过人工分析故障原因,极大依赖于现场人员的实践经验和专业知识。这种方法在诊断效率和成本等方面都难以满足当前铁路的需求,因此需要进行智能化的道岔故障诊断算法研究。为解决上述问题,本文通过现场调研并查阅了大量文献,对高速铁路提速道岔的工作原理和故障模式进行了研究。由于提速道岔结构复杂,现场环境多样,难以从机理方面对其建立精准的模型,因此本文从数据入手建模。考虑到道岔设备故障样本量较小,动作功率曲线的高维性,本文提出了基于深度森林的提速道岔故障诊断算法,并与其它算法进行了对比实验,验证了方法的优越性。在此基础上利用表示电压对子类电气故障进行了二级故障的诊断。论文的主要工作如下:(1)道岔系统需求分析:查阅大量文献,明确道岔故障诊断目前发展水平及存在问题。选取提速道岔应用广泛的ZYJ7型牵引道岔作为研究对象,分析其动作过程及工作原理,提出对提速道岔故障诊断的实际需求。(2)故障模式总结分析:通过赴长沙站现场调研获取道岔的故障样本数据,学习大量文献并与专家交流,对常见的故障模式进行总结,结合道岔的工作原理和控制电路分析各模式下相应的故障原因及维修策略。(3)故障诊断算法研究:对故障样本数据进行标注分类和统计分析,以作为数据基础,根据其特点提出基于深度森林的道岔故障诊断方法,并通过理论分析和网格搜索相结合的方式对算法参数进行选择,准确率接近97%,最后和多种算法进行了对比实验。结合表示电压数据对无法构通表示电路故障下的子类电气故障进行了细分故障的诊断定位。(4)故障诊断软件设计及系统测试:与电务段现场专家交流确立软件系统需求,利用C#开发了集在线诊断和模型训练于一体的系统软件。论文的研究成果为较高精度的道岔故障诊断算法和相应的系统软件。软件在实验室测试阶段结果较为理想,验证了本文研究方法的有效性。图60幅,表14个,参考文献75篇。