近年来,随着我国高速铁路建设事业的不断发展,列车行车安全及运行效率越来越受到人们的重视。无绝缘轨道电路被广泛应用于我国铁路信号系统中,调谐区是其重要组成部分,通常设置在相邻轨道电路之间,针对不同频率的轨道电路信号呈现出不同的谐振特性,从而实现控制信号传输范围、避免轨道电路间信号越区传输的目的。调谐区故障会直接影响列车运行控制系统,列车行车安全将受到严重的影响,同时降低列车运行效率。因此,有效提取调谐区故障信号,显得尤为重要。首先,在分路条件下,建立无绝缘轨道电路正常状态及调谐区故障状态的四端网模型,利用分布参数法推导出相应的模型参数。再根据四端网理论,建立无绝缘轨道电路不同状态下的四端网模型,并求解出分路电流幅值包络函数表达式。其次,依据建立的模型,设置仿真条件,分别对无绝缘轨道电路正常状态、调谐区、及其他因素故障状态下的分路电流幅值包络进行仿真。通过分析不同因素对分路电流幅值包络的影响,得到相应的变化规律。随后分别利用EMD(Empirical Mode Decom-po sition,经验模态分解)、EEMD(Empirical Mode Decomposition,总体经验模态分解)及CEEMD(Complementary Ensemble Empirical Mode Decomposition,补充总体平均经验模态分解)方法分解分路电流幅值包络并求相应特征向量。结果表明:CEEMD方法抑制了EMD和EEMD引起的模态混叠和残留噪声现象,提高了运算效率,能够有效提取无绝缘轨道电路调谐区故障特征。最后,根据调谐区与分路电流幅值包络线之间的规律提出基于SOM(Self-Organizing Maps,自组织特征映射)神经网络的无绝缘轨道电路调谐区故障诊断方法。构建SOM神经网络,利用前文中提取的特征向量将其一部分作为训练数据用于SOM神经网络的训练,剩余部分作为测试数据,用于SOM神经网络的校验,对调谐区进行单一故障和叠加故障的识别和分类,进而完成故障诊断。利用现场实际数据对本文方法进行验证,一方面,验证本文建立的无绝缘轨道电路分路电流幅值包络模型的准确度;另一方面,证明本文方法能够有效诊断调谐区故障。利用调谐区同一故障数据将本文方法与改进的BP神经网络方法进行比较,结果表明:本文方法较改进的BP神经网络对调谐区故障诊断的效率更高、更准确。