轨道电路是铁路信号系统的重要组成部分。轨道电路在保障列车的安全行驶方面起着十分重要的作用。一旦轨道电路不能正常工作,极有可能引起重大的安全事故。目前,我国对轨道电路的故障诊断主要依赖于现场工作人员的测试和微机监测。但是这些方法不全面也不智能,还不能完全达到“状态修”。这就需要我们探索一种更好的诊断方法。本文的研究对象为现代铁路中通用的ZPW-2000A轨道电路。首先,分析轨道电路的结构、工作原理。归纳轨道电路常见的一些故障,分析故障的特征和产生故障的原因。以轨道电路常见的几个故障类型为例设计BP、RBF网络故障诊断模型。以BP神经网络为基础,并用遗传算法对神经网络的参数进行寻优操作,使轨道电路故障诊断的模型得以完善,从而实现了对轨道电路的故障诊断。论文主要完成了以下工作：第一,根据轨道电路的电路原理图,分析轨道电路的工作原理。归纳并分析轨道电路常见的故障、产生的原因、故障呈现的特征。根据现场调研总结并归纳轨道电路故障诊断的流程,并根据诊断的流程来提取故障特征量以及轨道电路相应的故障类型。第二,以轨道电路室内发送端的故障为例,采用BP、RBF神经网络建立故障诊断模型。针对BP神经网络容易陷入局部极值点、收敛慢的特性,对神经网络的权系数和阈值本文采用遗传算法来进行优化。以GA-BP为核心技术,来实现轨道电路的故障诊断。第三,使用Matlab对神经网络的故障诊断模型进行仿真,并将仿真结果进行对比。从诊断结果可以看出BP神经网络、RBF神经网络、GA-BP算法这三种方法都适用于轨道电路的故障诊断,而遗传算法与神经网络相互结合的这种混合算法比BP神经网络更适用于轨道电路的故障识别。