随着我国铁路逐步向高速和重载方向的发展,对于信号设备的可靠性及行车安全的要求越来越高。因而通过应用最新技术与方法,诊断铁路信号设备的故障,提高铁路运输安全性,是目前的一个重要研究课题。我国利用微机监测系统对铁路信号设备进行实时监测,记录其主要运行状态,当信号设备出现异常时及时报警,为电务部门掌握设备运用情况和故障分析提供依据。但是在微机监测系统故障诊断方面,我国目前仍处于起步阶段,没有完整的可实现监测与故障诊断为一体的功能,必须通过维修人员根据个人经验与掌握设备的程度去现场分析故障、判断故障并处理故障。因此,实现微机监测系统的故障诊断功能是非常有必要的。针对铁路信号设备故障的复杂性、随机性和非线性等特点,本文将神经网络方法应用于微机监测故障诊断中,利用其非线性和自学习能力及其在故障诊断领域的诸多优势,实现了微机监测系统的故障诊断功能。本文设计了基于BP神经网络的微机监测故障诊断流程,通过对信号设备故障机理的分析确定特征参量,利用微机监测系统的状态监测功能得到设备故障信息,设置故障信息为样本,并制定了相应的方式训练神经网络,通过网络获取内部映射关系。其次对特征变量出现的变化进行监测,将实际测量的设备信号特征量输入神经网络,作为需要诊断的样本,由网络输出最接近实际的数据。为了充分发挥神经网络较强的自我学习能力,更好的实现对信号设备的故障诊断,本文将模糊系统与神经网络相结合,对设备的故障类型进行初步诊断,将模糊系统作为神经网络的前端输入,模糊量化设备的故障样本信息,精确样本数据,从而提升了学习与诊断的速度,应用模糊权重的基本理念,通过计算故障权重来进一步完成对故障类型的精确诊断。本文分别对开关量故障、需要人工干预的开关量故障及模拟量故障的诊断及应用进行了分析,详细阐述了对信号设备故障的初步诊断,精确诊断流程,通过模拟仿真得到仿真数据,在微机监测系统故障中应用模拟神经网络使诊断速度与诊断精度得到很大提升,对现场实例通过故障仿真的方式诊断,仿真结果表明,微机监测系统中应用模糊神经网络方法诊断故障,具有一定的实用价值,能够在一定的范围内进行推广。