列车通信网络作为列车信息传输的媒介,具有控制列车运行、检测和诊断车辆故障的功能,其正常运行是列车安全行驶的重要保障。因此,为保证多功能车辆总线(Multifunctional Vehicle Bus,MVB)工作的可靠性,加快MVB故障检修速度,健康管理、网络故障诊断等技术成为了列车通信网络领域的研究热点。目前,MVB故障诊断技术的研究尚处于初级阶段,现场网络故障排除主要依赖网络工程师的工作经验,通过更换设备、线缆等人工检修的方式逐步排除故障,工作效率低下,容易造成过度维修。因此,在人工智能诊断技术发展的大背景下,为缩短MVB故障排除时间,提高MVB运行的安全性和可靠性,本文深入分析了MVB工作原理及网络常见故障,引入基于支持向量机(Support Vector Machine,SVM)的故障诊断方法对MVB故障进行诊断,并对其建模方法进行了深入研究。本文的主要研究成果如下:(1)深入研究MVB工作原理,通过分析不同网络故障情况下MVB的物理波形和链路信息,提出了一种结合网络波形时域特征和链路数据参数的特征量提取方法。(2)搭建试验平台,模拟了总线断路、间歇性断路等六种网络工况,完成了MVB网络故障数据采集,分别采用Min-Max标准化、Z-score标准化和按小数定标标准化方法对故障数据作初步处理后,对得到的数据作PCA降维处理,并通过试验对比了处理效果。(3)采用基于支持向量机的方法建立MVB故障诊断模型,使用网格算法、遗传算法和萤火虫算法3种常用算法对SVM关键参数:惩罚因子C和高斯核函数系数g进行寻优,针对SVM分类准确率高的参数组合基本集中于同一区域这一现象,结合各种寻优算法的特点,提出一种先快速定位后精细搜索的FA-Grid两步寻优算法模型,并进行了试验验证。(4)针对建模过程计算复杂的问题,考虑现场故障维修人员的具体情况,基于MATLAB GUI平台设计开发了可视化的MVB网络故障诊断系统软件,为现场故障维修人员提供了便捷的故障诊断工具。最后对全文的研究内容进行总结,并对下一步的研究工作及方向进行展望。