列车电气系统的结构和机械结构不同,其复杂的结构会容易产生故障,列车电气系统的故障诊断与检修影响着整个轨道交通网络的正常运营。当前,列车电气系统的故障诊断与检修依赖于纸质版列车综合线路图,这样就存在着查找原始数据不方便、检修难度大等问题,降低了工作效率。基于这种情况,国内已经有地铁公司开发出了列车电气系统综合电路的仿真软件,但是这种软件需要人工手动采集识别列车综合线路图的元素信息并将其录入到软件系统中,这样就导致了列车综合线路图的元素在进行提取时的工作量会很大,而且会受限于设备、工作环境和人的主观影响等因素。因此,列车综合线路图的识别工作非常重要,如何对其进行非人工的快速智能识别,提高识别效率和缩短识别时间,是当前急需解决的问题。针对以上问题本文的主要研究内容如下:(1)对当前的人工采集综合电路信息的技术和识别综合线路图的方法进行分析,得出这种人工识别方法存在的缺点和局限性,并结合列车综合线路图中的元素信息和现有的图像识别理论得出适合于本文的智能识别方法。(2)对实际工程中纸质版列车综合线路图易破损及拍照上传不清楚、传统的单一图像识别方法准确率不高等问题进行分析,采用二值化处理、模板降噪平滑处理和细化处理的技术对列车综合线路图进行图像预处理。对预处理后的图片采取混合识别方法,首先利用模板匹配法对字符进行分割法识别,元器件进行开窗法识别,线路径进行区域跟踪法识别。(3)对遗传算法和BP神经网络算法进行分析,设计出适合列车综合线路图智能识别的遗传网络算法,并建立智能识别模型。将模板匹配识别的结果作为模型输入层信息并设立分类器对输入的信息进行匹配选择,再将分类后的结果与已建立的字符、元器件及线路径三个样本集进行训练,智能识别过程中用二进制编码代表识别的各项元素,并通过实验对几种识别方法的结果进行比对。(4)对列车综合电路信息智能识别系统软件进行设计开发,利用Java Script、HTML5+CSS3等语言进行编程,将SQL Sever数据库等软件作为系统开发工具。介绍了所开发系统的环境、框架、各个模块及其功能,对开发后的系统从性能和兼容性两方面进行了测试,并将所开发系统运用在了列车电气系统的实际故障诊断及检修和地铁公司的学习培训等实际工程中。