铁路运输是中国重要的交通运输方式。安全、可靠、高效的铁路运输体系是推动我国经济、文化互通互融的一大引擎。在铁路运输中,道岔转辙机主要负责改变行车轨迹,提高运输效率。它作为铁路信号室外三大件之一,是联锁系统的重要组成部分。随着我国铁路建设的大跨越发展,对铁路信号设备的安全性和可靠性也提出了更高层次的要求。为了更加合理、准确地诊断道岔转辙机的故障类型,以提速区段常用的S700K型交流电动转辙机为研究对象,提出了一种适应性更强,可靠性更高的转辙机故障诊断方法。首先,详细分析了S700K型交流电动转辙机结构及电路控制原理,利用微机监测系统采集道岔转辙机动作时的功率曲线,确定不同功率曲线对应的S700K转辙机的工况。在此基础上,分析转辙机在不同工作状态下的故障情况,整理并总结出转辙机常见的8种故障状态功率曲线图。其次,基于小波变换理论,提取S700K转辙机功率曲线的故障特征量。由于小波变换具有良好的局部化特征思想,可以更加直观清晰地描述局部信号特征,因此,提出利用小波变换提取故障特征信息,并利用Mallat算法进行小波分解,而Haar小波基函数具有良好正交性和紧撑性,且满足Mallat算法的要求,为此,采用Haar小波基函数提取S700K转辙机功率曲线的故障特征量。将故障特征量进行归一化处理,并把处理结果作为训练概率神经网络的输入参量,得到训练结果,提高故障诊断的准确率。最后,在小波变换提取S700K功率曲线特征的基础上,采用概率神经网络对S700K转辙机的故障模式进行诊断。结合概率神经网络理论基础和小波变换的特性,采取3层分解的故障诊断模型。对比分析不同平滑因子对应的准确率,确定S700K转辙机最优值。最后利用来自某某电务段某某工区的67组数据进行MATLAB仿真,仿真结果证明该方法准确性好,能够对S700K转辙机的故障诊断提供理论支撑。