机车信号系统包括机车信号车载设备与地面轨道电路两部分,是列车运行控制系统的重要组成部分,其工作正常与否直接影响着列车的安全运行。目前,随着列车运行速度的进一步提高,对机车信号系统的故障诊断提出了更高的要求。机车信号系统传统的故障诊断方法已不能适应现阶段铁路发展的要求。一方面,检测手段陈旧,人员素质参差不齐,检测及时性差;另一方面,多种故障因素,尤其是轨道电路信号异常而造成的机车信号故障的情况往往存在着多样性、组合性、偶然性和随机性等特点,给机车信号系统的故障定位和诊断带来很大困难。因此,改进传统的故障诊断模式,引入先进的故障诊断技术,研发相应的故障诊断系统具有十分重要的意义。本文基于来自于铁路现场的轨道电路信号数据,以国产移频轨道电路信号为研究对象,总结了由轨道电路引起的基于波形信息的典型机车信号故障模式,并采用神经网络为算法,建立了基于B/S模式的机车信号系统故障远程诊断平台。论文的主要内容为:首先,对铁路现场各路局多年来机车信号系统的故障案例及其相应的轨道电路信号进行统计分析,总结出基于波形信息的机车信号常见故障模式。接下来,在算法设计方面,利用轨道电路信号的频谱特点构造特征向量,通过建立和训练BP神经网络,实现对轨道电路信号故障模式的准确识别;在系统设计和实现方面,根据系统设计目标进行系统需求分析,对系统模块和数据库进行详细设计,将系统分为用户管理、文件管理和故障分析等子系统。在对多种架构模式和实现技术进行分析比较的基础上,采用ASP.NET技术,使用Visual Studio2005开发工具、C#开发语言和SQL Server 2000数据库软件,结合MATLAB神经网络工具箱,构建了系统分析平台。最后,采用实际的铁路现场数据和案例,针对国产移频轨道电路信号制式下的“歪肩膀”、载频偏移、低频偏移和频谱干扰等典型的故障模式及其组合情况,进行了仿真验证。测试结果表明,本文所构建的基于B/S模式的机车信号系统故障远程诊断平台,充分结合了神经网络技术和B/S结构模式的优点,具有识别率高、通用性强、方便快捷、便于管理等特点,能够满足当前铁路机车信号系统实际运用的要求。