随着北京市城市轨道交通建设的飞速发展,北京地铁线路如今已经覆盖了城市大部分地区,为市民出行带来了很多便利,成为越来越多的人出门首选的交通工具。为了保证每天高峰期的高效率运输,地铁线路将运营强度拉升至极限。然而列车高强度、长时间的运营情况下,不可避免的会发生故障,影响列车的运输效率和安全性。地铁列车的车载信号设备是一种复杂的系统,故障具有多样性和不确定性,并且故障样本不完整。因此,需要一个故障诊断系统在列车故障时迅速进行排除,保障列车安全高效运行。本文基于贝叶斯网络开发了地铁车载信号设备的诊断系统,改进设备维修策略,并对故障数据更好的保存和利用。论文主要完成工作如下：首先,针对北京地铁13号线车载信号设备系统现状,本文基于贝叶斯网络对地铁车载信号设备进行故障诊断,通过对地铁车载信号设备的故障描述、解决方法和列车车载设备故障记录表的数据挖掘,找到故障之间的关联性并生成故障样本集；并根据挖掘到的信息提出了基于贝叶斯网络的地铁车载信号设备故障诊断系统的设计分析方法。其次,利用生成的故障样本进行网络结构学习,并结合专家知识实现了贝叶斯网络模型的构建,并利用故障样本完成了贝叶斯网络的参数学习。提出了Weibull分布函数结合贝叶斯网络推理,对车载信号设备的模块和元件进行寿命周期预测的方法,尝试将地铁车载部门的维修方式由“故障修”向“状态修”改进。最后,利用Matlab 2010b与Microsoft Visual Studio 2013混合编程,结合两方在算法处理和窗体设计以及功能控件设计上的优势设计诊断系统软件,并提出了一种更有效利用故障数据的员工、工程师和管理人员间的通信机制,实现了具有在线信息传输功能的地铁列车车载信号设备故障诊断系统的开发。本文提出的故障诊断方法和工具有效的提高了故障诊断效率和故障记录效率,并在设备的换修周期方面有一定的指导意义,降低了维修人员的劳动强度,为地铁列车车载设备安全高效的运营提供有力的技术支持。