道岔是保障列车安全运行的重要设备,随着我国高速铁路的快速发展,道岔的重要性显得更为明显,一旦发生故障就会导致脱轨、追尾等严重事故。与普速铁路道岔不同,高速铁路道岔的列车过岔速度高、维修时间短,要求其具有更高的安全性、可靠性。因此,对高速铁路道岔故障进行预测,实现“状态修”,对保证行车安全、提高运输效率具有重要意义。由于对道岔动作电流曲线的整体直接进行时域特征提取会显得较为粗糙,不利于后续对故障的分类,而道岔的动作自然分成了不同的时间区域,因此就以道岔动作的顺序进行分区,将其划分为5个部分,分别为启动区、解锁区、转换区、锁闭区和缓放区。首先,对微机监测系统记录的电流曲线数据根据分区进行时域特征提取,并基于Fisher准则进行最优特征的选择。由于选出的最优特征数值差异性较大,直接使用知识约简方法获得最小决策表的难度较高,且不利于后续故障预测,因此,提出一种“替换”的方法,将差异性较大的具体数值转换为仅具有三种不同状态的特征,然后基于粗糙集理论中的知识约简方法对决策表进行约简得到最小决策表。根据最小决策表可以获得最小诊断规则,为后续故障预测提供规则库。对不同“替换”范围以及不同约简方法进行分析,结果表明,“替换”范围变化会对决策表产生影响,而约简方法变化不会。其次,利用提供的数据信息计算道岔故障灰色预测模型建立所需的各参量,根据已知的初始序列以及计算出的参量,根据递推公式建立灰色预测模型,利用还原值公式得到具体预测值。但是由于预测所得出的结果为具体数值,不能直接得出故障类型,因此灰色预测模型不能单独用于故障预测,需要借助决策表中的信息,将得到的预测值“替换”后,与最小决策表中的状态特征进行比对,得到最终预测的故障类型,并计算实际值与预测值之间的误差。采用该方法可以解决道岔故障数据量少、数据精度要求较高等问题且不需人的主观经验。最后,为解决预测不够客观的问题,提出一种计算道岔预测故障发生概率的方法,将道岔故障诊断的准确率融合其中,并加入不同故障类型在相同条件下具有不同结论的数目,通过定量计算得到最终故障的发生概率。该预测模型能够实时对故障进行预测,结合决策表得出具体故障类型,具有一定的工程应用价值。