随着铁路向高速化、重载化方面发展，势必对S700K转辙机控制电路故障诊断技术提出更为苛刻的要求。然而其现有的控制电路故障检测手段仍停留在原先的技术层面上，依旧是人占主导因素，利用简单仪器与人的经验相结合的方式进行故障定位。这样在故障的处理过程中显得有些力不从心，而且容易造成故障处理时间长，故障定位精度不高。因而故障检测的及时性与准确性成为亟待解决的难点。为了适应铁路发展的需要，利用现行的成熟技术对原有技术进行改进或创新是很有必要的。而智能技术的发展与逐步完善为道岔控制电路故障的自动检测提供便利。特别是日趋成熟的人工神经网络凭借自身的特点，以及在故障诊断领域的成熟应用，为故障诊断提供了实验平台。本文首先根据控制电路的特点，分别对其表示电路和启动电路的工作原理、故障诊断流程、故障排查过程进行了简单介绍，在此基础上阐述了采用神经网络的必要性。紧接着介绍BP神经网络的基本原理、算法和流程以及L-M数值优化算法的提出。其次分别对表示电路和启动电路进行失效模式搭建。在模式搭建完成以后获取相应的训练样本，样本的获取来源于两个方面一是微机监测；二是现场。这是因为微机监测的数据不足以进行故障的准确定位；其次还包括对数据进行取舍、补充以及归一化处理。最后进行神经网络的训练。由于表示电路故障分为定位表示电路和反位表示电路故障两种类型，而启动电路故障分为定位-反位电路和反位-定位电路故障两种类型。因此针对不同类型分别构造一个神经网络模型，最终将其构成一个并行的神经网络系统，利用不同电路相同支路的特点对故障进行准确定位。测试结果表明该数值优化算法的有效性和准确性，使得故障检测的及时性与准确性得以解决，并且达到了理想的结果，因此可以用于S700K转辙机控制电路故障的自动检测。