无绝缘轨道电路是铁路信号系统的地面设备之一,用于实现列车占用检查及车地信息传输。调谐区作为无绝缘轨道电路的重要组成部分,其目的是实现相邻两区段的电气隔离,调谐区发生故障将直接影响轨道电路的信号传输,降低行车效率甚至威胁行车安全。目前,对于调谐区的故障排查主要依赖于故障检测车,该方法过于依赖于人工且成本较高。为了提高调谐区故障诊断效率、降低维护成本,本文提出了基于栈式降噪自编码网络的诊断方法,论文的主要研究内容如下:（1）将ZPW-2000A无绝缘轨道电路作为研究对象,结合传输线理论分别建立调整状态下及分路状态下的理论模型,并根据分布参数法推导出模型参数。针对调谐区常见故障模式,在分路条件下分别推导出对应的四端网模型,并求解出分路电压函数表达式。（2）在分路状态下分别对轨道电路正常状态、调谐区不同故障状态、补偿电容故障状态下的轨面电压波形进行仿真,分析不同模式轨面电压走势变化规律。采用经验模态分解方法、总体经验模态分解方法、完全总体经验模态分解方法（Complementary Ensemble Empirical Mode Decomposition,CEEMD）对轨面电压进行分解。经过分析与对比,CEEMD分解效果最佳,可有效提取调谐区不同故障状态下的特征。（3）根据调谐区故障数据集特点,搭建基于栈式降噪自编码网络的诊断模型。栈式降噪自编码网络利用自编码器进行无监督学习,BP神经网络负责反向调优,通过不断调整网络参数使模型收敛。通过设置不同隐含层节点数构建多个隐含层组合,经过多次训练,确定出解决调谐区故障分类问题的最佳隐含层组合,并采用评价指标对模型进行评估。结果表明,基于栈式降噪自编码网络的诊断模型可实现调谐区不同故障模式的有效分类,诊断准确率可达97%以上。（4）针对分类模型网络结构随机确定引发的诊断精度问题,提出基于粒子群遗传算法的栈式降噪自编码优化方法。在粒子群算法中引入交叉、变异、淘汰机制等思想,实现粒子群和遗传算法的融合,避免算法陷入局部最优,提高收敛速度。通过仿真实验验证,该优化算法针对分类模型可快速构建网络结构,优化后的诊断模型较浅层神经网络、支撑向量机及原生栈式降噪自编码模型有着更高的故障识别率。图58幅,表11个,参考文献62篇。