油液监测在电力机车故障诊断中的应用已经有相当长的历史，起初只是对润滑剂的常规理化分析。随着我国铁路向高速、高效率和自动化方向发展，对电力机车的可靠性、经济性和安全性提出了更高的要求，为了适应新的发展要求，大幅度地降低电力机车故障的发生和运输成本，铁路行业引进了铁谱、原子光谱和气相色谱等先进的油液监测技术。电力机车油液监测包括变压器和齿轮箱两部分，气相色谱法具有高效性、高灵敏度、分析快、易实现自动化等优点，因此气相色谱法应用在电力机车变压器故障诊断中，监测电力机车变压器存在的潜伏性故障；铁谱和原子光谱法能够分析出机械零部件的磨损状态、润滑油污染程度和机器工作状况等，因此用铁谱和原子光谱法分析电力机车齿轮箱存在的内部故障。首先针对三比值法和阈值法的简单明了特性，将三比值法应用于气相色谱中，利用三比值法的编码确定电力机车变压器的故障类型。然后将阈值法应用于铁谱和原子光谱中，利用阈值法的三线确定电力机车齿轮箱的故障类型。最后针对三比值法和阈值法的不足之处，利用BP神经网络建立相应的改进模型。三种方法在论文中的应用：第一，利用西宁机务段的气相色谱数据，借助VB程序计算出乙炔和乙烯、甲烷和氢气、乙烯和乙烷的比值，据此确定出三个比值的编码。在得到新的编码后，将该编码与行标三比值编码对照，诊断出电力机车变压器的故障类型。第二，对于同一车型的电力机车，基于大量的铁谱和原子光谱数据，利用阈值法的核心思想，借助MATLAB绘出诊断故障的正常线、警告线和异常线图，通过新的监测数据落在该图中的区域，诊断出电力机车齿轮箱的故障类型。第三，在分析油液监测数据与电力机车故障类型基础上，建立基于各种算法的BP神经网络模型。比较各种BP算法的诊断结果，进一步设计最优化的诊断模型，并且对网络进行了仿真和测试，实现了电力机车的故障诊断。根据目前机务段的需求，结合现场诊断故障的实际问题，本文借助于VB语言和Access数据库研发了电力机车故障诊断系统。在系统中设计了七个功能模块，即气相色谱分析模块、铁谱分析模块、原子发射光谱分析模块、神经网络故障诊断模块、界限值计算模块、机车零部件材质管理模块和分析报告打印模块。