近些年,随着社会及经济的发展,对铁路运输能力提出更高的要求。轨道电路作为铁路信号的基础设备,用来向列车发送列控系统下发的行车信息,并完成列车占用检测及完整性检查,因此在保证列车安全可靠运行方面占据重要作用。随着我国铁路运营里程的增加,轨道电路的数量递增,且轨道电路设备长期工作在室外,环境复杂,易导致故障,而人工检修存在实时性低、危险性高的缺点,论文针对现有诊断系统及研究中存在的问题实现基于现有监测数据的轨道电路故障诊断。基于上述背景,本文的主要工作包括以下几个方面:首先,查阅相关标准及现场调研,确定现有不同诊断系统依赖的监测数据,根据不同的监测系统提出相应的解决方案。明确监测数据后,根据轨道电路传输线模型,对不同位置的监测数据进行仿真,并与实际测试数据对比,确定模型的有效性,用来产生除实测数据以外的训练数据。其次,在地面监测数据故障诊断方面,针对有室外地面监测数据的诊断系统,考虑到监测数据中含有噪声,故采用栈式降噪自编码实现故障诊断,通过调整算法结构及参数,诊断精度达到99.63%。论文重点针对无室外地面监测数据的诊断系统进行研究,其难点在于调谐区的实时在线故障诊断,目前该问题通常借助车载数据实现诊断,但时效性较低;论文通过分析调谐区的工作原理,提出了将故障诊断数据扩展到相邻区段集中监测数据的解决方案,由于故障特征不足,当算法结构及参数与室外监测系统相同时,区间故障类型无法识别,论文进一步采用卷积运算对栈式降噪自编码进行优化,提高算法局部特征提取能力,实现了无室外监测系统时包括调谐区故障在内的实时在线故障诊断。最后,在车载数据故障诊断方面,建立单轮对及多轮对列车分路模型,全区间正常分路时采用单轮对分路模型,区间局部分路不良时采用多轮对分路模型,形成不同运行场景下补偿电容故障的机车车载信号电压数据,算法采用卷积神经网络,通过分析算法分类原理建立错误标签数据集的方式,解决了诊断测试中出现的由于标签错误导致诊断正确率降低的问题,在论文给出的测试条件下,诊断精度可达到97.74%,验证了模型的有效性。