近年来,高速铁路迅速发展,成为人们日常出行的首选交通工具之一,与此同时,人们对其安全性和运行效率提出了更高的要求。轨道电路是列车运行控制系统的重要组成部分,是保证列车安全运行必不可少的基础信号设备,轨道电路一旦发生故障,会直接影响列车行车效率甚至危及行车安全。目前,针对轨道电路的故障排查主要依靠维修人员经验,存在故障排查效率低、劳动强度大等问题。如何提高轨道电路故障诊断的智能化水平,快速高效地对故障做出判断成为电务人员亟待解决的一大难点。本文针对轨道电路的特点,在借鉴现有研究成果的基础上,做出以下几点研究:(1)以ZPW-2000A无绝缘轨道电路作为研究对象,介绍系统的设备构成与工作原理,并总结出15种常见故障模式。在调整状态下,建立基于四端网络理论的无绝缘轨道电路等效模型,结合具体参数利用分布参数法推导出各个监测点的数值,通过设置不同的故障参数,完成故障数据的采集。(2)提出了基于深度信念网络的无绝缘轨道电路故障诊断方法,并给出诊断过程总体框图。以输入样本的维度和故障类别构建深度信念网络,同时采用对比散度算法和BP算法进行无监督训练和有监督地反向调优,从而挖掘数据内部特征,建立特征与状态之间复杂的非线性关系。考虑到深度信念网络结构对故障诊断结果的影响,设置多个隐含层组合,并利用模拟数据进行仿真分析,实验结果表明6层结构的故障诊断模型性能最佳,可达到较好的诊断效果。(3)针对深度信念网络训练过程中网络结构需手动调整的问题,提出基于动态增添算法和粒子群算法相结合的优化框架,以自动获取最优参数配置。首先采用动态增添算法,通过误差和误差下降速率对层数进行补偿,获取满足精度要求的最简网络结构。之后以分类错误率作为适应度函数,利用粒子群算法对隐含层节点数进行优化,确定出用于解决轨道电路故障诊断问题的最佳隐含层组合。通过仿真实验结果可知,优化后的深度信念网络在具有较高训练效率的同时,能达到98.667%的故障识别率。(4)结合以上研究,采用C#语言、My SQL数据库及混合编程技术开发出故障诊断系统,并利用实际故障数据进行诊断测试,验证了系统的可行性与有效性,同时证明了算法在实际系统中具有可行的实用价值。