我国高速铁路发展最为重要的问题就是安全,一直以来把“故障—安全”作为铁路设备的重要技术指标。列车运行控制系统作为我国现代化高速铁路自动化信号系统的一个重要组成部分,是保障我国现代高速铁路列车安全、快捷地运输的关键一环。但由于周围环境的不可抗性和列控系统自身结构复杂性,使得列控车载设备在实际运行中会发生故障。目前,对列控车载设备的诊断和维修主要依靠人工,但是人工检测会有以下几个缺点:（1）故障数据记录的不准确性。由于电务人员记录的故障数据缺乏固定的标准,使得记录的数据缺失或不全面,导致可用性低。（2）故障诊断的局部性。由于现有的诊断技术依赖于专家经验,具有较大的片面性,使得结果不准确。（3）故障诊断的低效性。由于在现场勘测数据都是依靠人工,速度较慢,诊断效率较低。鉴于人工检测有以上几个缺点,本文提出一种智能化的故障诊断方法,其基本思想是利用文本挖掘等基于知识方法提取故障特征量,利用MATLAB软件建立神经网络模型,验证故障诊断率是否达到要求。本文的主要研究内容如下:（1）本文首先阐述了国内外故障诊断技术发展情况,并介绍了最常见的列控车载设备CTCS-3级300T型号的列控车载设备的结构和功能,对比了目前提出的几种智能化诊断方法,提出了基于GA-ANFIS模型的列控车载设备诊断方法。（2）采集高铁线路一年的列控车载设备的故障信息表,利用专家知识筛选得出具有代表性的故障特征词汇,之后计算出该特征词汇在所有文本中的权重大小,再通过主成分分析的方法剔除冗余的数据,以达到简化模型的目的。（3）自适应模糊神经网络是一种模糊网络。它结合了神经网络和模糊推理的机制进行学习。但是,由于自身的结构会使神经网络的局部收敛率变化较慢,易于被研究人们认为陷入一个关于局部最优化的理论和无法确定模糊规则等缺点。为了解决上述缺点,采用遗传算法和模糊聚类算法对其进行优化,利用遗传算法的并行搜索能力对自适应模糊神经网络的参数进行了优化,以大大提高模糊网络的收敛率和速度;利用k-means聚类的方法来确定模糊划分的参数,以便能更好的反应模糊度。（4）针对列控车载设备的不同型号,分析它们之间的相同点和不同点,继续采用改进型GA-ANFIS模型,观察得到的故障诊断曲线是否一致。本文主要提出了一种智能化自动诊断控制技术。首先,采集电务人员根据AE-log文件记录的故障信息表,由于采集到的数据是文本而该数据不能被专用计算机所准确识别,基于数据挖掘的设计思路,首先采取空间向量模型对数据进行预处理,再利用主成分分析法对故障权重表进行约简处理;其次,为了提高模型的故障诊断率和准确率,采用遗传算法和K-均值聚类的方法对自适应模糊神经网络进行优化;最后,利用某高铁线2019年故障数据对该模型进行检验分析,经过优化后的ANFIS模型对列控车载设备的故障诊断率可以达到96%,同样地,对其他型号的车载设备进行仿真分析,最后得到的故障诊断曲线与300T型号较为接近,验证了该方法的有效性、准确性和普遍性。