轨道电路是列车控制系统的重要基础设备,其工作状态直接关系到列车的运行效率与行车安全,保障轨道电路的健康运行是我国铁路事业蓬勃发展的关键环节。然而现阶段轨道电路故障诊断技术已无法满足我国高速铁路飞速发展的需求,如何及时准确地判定轨道电路故障是当前急需解决的难题,因此面向轨道电路故障诊断技术开展相关研究具有重要的现实意义与应用价值。本论文以ZPW-2000A轨道电路作为研究对象,对补偿电容故障定位和诊断方法进行研究,论文主要工作总结如下:首先根据ZPW-2000A轨道电路的基本结构,基于传输线理论建立轨道电路调整状态和分路状态短路电流模型,并将模型仿真数据与轨道电路模拟盘实验平台测量数据进行对比,以验证模型的准确性,同时对误差产生原因进行分析和讨论。其次根据短路电流曲线的形状与特征,基于改进夹角链码算法描述正常状态和补偿电容不同故障模式的短路电流曲线,通过计算正常和故障曲线的差异度,实现故障定位和故障类型判定。接着在不同的道砟电阻下,研究单个和两个补偿电容故障对轨道电路调整和分路状态数据的影响,通过相关性分析确定并提取了调整状态和分路状态的特征参数。最后建立了轨道电路调整和分路状态补偿电容故障诊断模型,分别利用概率神经网络、粒子群参数优化的支持向量机以及BP神经网络算法对轨道电路补偿电容故障进行诊断,从预测准确率和预测用时对三种模型的诊断效果进行对比,得出结论:概率神经网络具有预测准确率高和预测用时短的优点,具有一定的实际应用价值与意义。