随着我国综合国力的提升与铁路运输的高速发展,我国铁路系统已经步入了电气化、高速度、智能化时代,而接触网是铁路电力牵引系统的重要组成部分,它担负着电能供应的重任。接触网的故障将对铁路系统的稳定运行、人们的日常出行和国民经济建设带来严重的危害和影响,因此,研究铁路牵引供电线路的快速定位与故障类型识别具有重要意义。论文以铁路牵引网故障行波信号为研究对象,对于提取能够表征行波信号特征量的方法和分类识别算法进行研究。论文针对海量的故障录波数据难以有效区分故障行波和干扰行波这一问题,对故障行波信号波形特征提取算法进行了深入研究,主要开展了以下工作:(1)采用了小波包能量谱法对行波信号波形进行特征向量提取。利用小波包分解后各频带信号相互独立且能量守恒的特点,对信号进行三层小波包分解和重构,并计算各频带的能量谱,最后归一化形成小波包能量谱特征向量。(2)利用分形理论将分形维数的算法推广到行波信号波形的特征提取中。利用分形理论的自相似性和分形维数的定义,把分形维数的计算方法推广到一维行波信号中,提取行波信号的分形维数作为它的特征向量。(3)提出了小波包分形组合技术特征提取方法,将小波包能量谱和分形维数特征向量组合形成新的特征向量。小波包能量谱可以很好的反映信号的内在特征和局部特性,但整体性较差,而分形维数可以很好地反映所研究对象的整体特性,但其局部特征又不具有优势,两者相结合,既能反映信号的整体特征,又能很好地反映信号的局部特征,从而得到更加全面的特征向量。论文采用神经网络方法对故障类型进行分类识别,将提取到的特征向量作为样本对神经网络进行训练,实现了故障类型识别,从识别分类效果来看,分类识别的总体准确率达到了97%以上,与小波包能量谱特征量单独作为输入相比,小波包分形组合特征量对行波信号分类识别准确率和可靠率均有所提高。