ZPW-2000A轨道电路是铁路运输设备的重要组成部分,保证着列车的安全运行。当轨道电路出现故障时,则会导致列车相撞、追尾、经济的损失,甚至是人身安全等一系列问题。为了使得列车能够安全运行,提高铁路运输效率,对轨道电路故障设备进行及时维修是很有必要的。但目前现场对轨道电路故障的检测和判别依旧是采用人工测试和分析,因此,存在对故障判别的时间长、效率低、现场人员劳动量大以及容易出错等问题。针对上述问题,本文依据ZPW-2000A轨道电路监测数据,将粗糙集理论和FCM(Fuzzy Cognitive Map,模糊认知图)理论相结合,运用到轨道电路故障分类中,对ZPW-2000A轨道电路故障进行分类判别,并对不同故障给出相应的维修建议。本文主要研究内容如下:首先,对ZPW-2000A轨道电路的基础理论进行研究分析,根据ZPW-2000A轨道电路监测数据,分析各设备电压值,提取主轨道输入电压、小轨道输入电压、轨出1、轨出2、GJ电压、XG、XGJ、发送功出、发送电源为特征属性,完成特征参数提取,并根据故障数据确定故障类别,构建轨道电路故障信息系统。其次,针对轨道电路特征属性数据中存在连续性属性,采用信息熵的方法将数据进行离散化处理,同时,针对利用特征属性构建模糊认知图时导致属性节点过多,计算复杂、算法运行时间长的问题,则提出主分量启发式算法,对离散化的轨道电路故障信息系统进行属性约简,实现数据的降维和特征属性的二次提取。实验结果表明,轨道电路故障数据的各项分类指标都有所提高。再次,通过对几种不同算法求解权值矩阵的方法进行对比分析,采用LS(Least Squares,最小二乘法)来求解权值矩阵,并构建LS-FCM分类模型。最后,将粗糙集理论和FCM相结合,提出基于粗糙集和LS-FCM轨道电路故障分类模型。以某电务段历史故障数据为依据进行实例分类判别,并与LS-FCM的分类模型进行对比分析,实验结果表明,粗糙集理论结合FCM理论应用于ZPW-2000A轨道电路故障分类判别,有较高的分类精度。