新建地铁线路的轨道和大地之间基本不会出现局部绝缘损坏,总体来说绝缘情况良好,杂散电流泄漏量比较少,基本上不会对地铁沿线埋地金属造成什么危害。而当地铁经过长时间的运行,在地铁沿线出现轨道对地局部绝缘损坏时,地铁全线泄漏的杂散电流总量就会猛然增多。若能够快速对轨道对地局部绝缘损坏点进行定位并对局部绝缘损坏部分采取一定补救措施,则可实现从源头治理杂散电流。如此无论是对减轻杂散电流的腐蚀性危害还是抑制中性点接地变压器的直流偏磁都将大有裨益。本文的研究工作主要包括如下内容:（1）根据地铁供电系统和牵引电流回流系统的组成,分析了杂散电流的产生及腐蚀机理,研究了地铁轨道对地局部绝缘损坏的原因,并分析得知绝缘扣件绝缘性能的下降是地铁轨道对地局部绝缘损坏的主要原因。（2）建立了存在局部绝缘损坏点时的杂散电流分布数学解析模型和CDEGS数值仿真模型,通过对比地分析两种模型下的钢轨电位和钢轨电流分布,说明了所建立的CDEGS杂散电流数值仿真模型具有较好的精确性。（3）提出了基于神经网络的地铁轨道对地局部绝缘损坏点定位方法,并引入了钢轨电位偏移程度参量,且根据钢轨电位偏移程度对局部绝缘损坏点神经网络定位模型的输入参数进行了选择,最终确定了将钢轨沿线电位偏移程度和绝缘损坏扣件阻值作为神经网络定位模型的输入参数。（4）根据地铁实际运行情况,搭建了地铁轨道对地局部绝缘损坏点模拟实验台,并进行了局部绝缘损坏点定位实验。通过将实验结果和仿真结果进行对比,说明了将钢轨电位偏移程度和绝缘损坏扣件阻值作为神经网络定位模型输入参数的合理性。（5）基于Python语言,并根据深度学习库Keras编写了局部绝缘损坏点神经网络定位程序,通过将实验数据代入神经网络定位模型（神经网络定位模型在测试集上的MSE和MAE分别为1.879和1.143）,说明了所构建的神经网络定位模型具有较好的定位准确性,同时验证了基于神经网络的局部绝缘损坏点定位方法的有效性。（6）基于PYQT对所建立的局部绝缘损坏点神经网络定位模型进行了封装,设计了地铁轨道对地局部绝缘损坏点智能定位系统。本论文共有图51幅,表13个,参考文献89篇。