随着我国铁路电气化进程的不断推进,列车运行速度的不断提升,行车密度的不断加大,铁路信号设备在铁路行车中的重要性与日俱增。为了确保铁路行车安全,铁路信号设备正常运行是必须要保证的。然而,在我国铁路中信号设备故障诊断与维护还存在着许多亟待解决的问题。因此开发出一套故障诊断专家系统具有重要意义。本文结合导师的项目,重点对ZPW-2000A无绝缘移频闭塞设备故障诊断专家系统进行研究。首先,通过阅读大量的有关BP算法、粒子群优化算法、LM算法、遗传算法的文献和书籍,设计出了符合神经网络训练有效性和快速性要求的混合算法BP-LM-PSO-GA算法。通过一组典型样本和一个典型神经网络对该混合算法的专业性进行验证。通过6个常用来验证算法性能的测试函数对该混合算法进行通用性测试。其次,介绍了专家系统的基本概念、原理及组成结构。分析了神经网络和专家系统的区别、联系及结合的有效性。给出了神经网络专家系统的结构和各个模块(知识库、人机接口、推理机、知识获取)的设计,并给出神经网络专家系统的总体设计。通过对ZPW-2000A信号设备故障机理进行分析,归纳出了该设备的故障特征信号量。根据实际情况的需要,本文创造性的设计并命名了并联神经网络和串联神经网络。并分别给予网络训练,权值存储。同时考虑到该专家系统处理问题的可扩展性以及扩展的便利性,本文分别设计并实现了并联神经网络和串联神经网络统一扩展模块。可方便的设计处理新问题的神经网络和把该新设计的神经网络纳入到整体的处理模块中。考虑到该专家系统除了具有良好的诊断功能外,还应该具有层次性。本文设计了两个界面：专家界面,操作员界面。专家界面的主要作用是神经网络的训练,权值和阈值的存储以及数据库的管理；操作员界面的主要作用是故障诊断,历史故障查询等。最后给出了一个基于关系型数据库的ZPW-2000A无绝缘移频闭塞设备的故障诊断神经网络专家系统。然后对该系统的各个功能模块分别给予演示说明,通过实例验证该神经网络专家系统可以智能地、实时地、准确地诊断出ZPW-2000A系统设备的的故障。