随着中国经济飞跃发展,城市化进程不断加快,地铁作为城市轨道交通的重要基础设施也在不断扩建。地铁列车存在密度高、列车间隔时间短的运营情况,难以避免的会发生故障,进而影响列车的运输效率和安全性。因此,本文将TBS-100型地铁ATP车载设备作为研究对象,基于故障记录表中的故障数据,提出将故障数据的统计结果与SA-BP神经网络相结合的方法对ATP车载设备建立故障诊断模型,并验证模型的可靠性。同时利用该诊断模型,设计并实现地铁ATP车载设备故障诊断系统的仿真软件。本文所做具体工作如下:(1)对TBS-100型地铁ATP车载设备的系统结构和各设备结构的功能进行研究分析,主要分析设备的工作原理和各功能模块之间的工作原理和机制。对ATP车载设备常见的故障类型和故障现象进行归纳总结,同时分析其故障原因,将故障记录表中的故障数据进行处理之后建立样本数据。(2)建立故障诊断模型。从BP神经网络和SA算法的理论出发,采用整理得到的样本数据,以ATP车载设备中的EIC故障代码为例,选择以列车运行时间、紧急制动后恢复次数、紧急停车后掉线次数作为输入,设备模块的故障次数作为输出建立基于SA-BP神经网络的故障诊断模型。(3)模型验证与优化。分析网络模型的训练速度和准确度的影响因素,从BP神经网络结构、BP神经网络算法和模拟退火SA算法参数的选取对故障诊断模型进行优化,并验证其准确性。(4)采用MATLAB的GUI应用程序设计并实现对故障诊断过程和结果可视化显示的地铁ATP车载设备故障诊断系统,为地铁列车实现安全高效的运营提供有力的技术支持。