随着高速铁路在我国的普及,动车组的运行安全问题受到越来越多的关注。如何保障列车安全可靠的运行,成为近期的研究热点和难点问题。制动控制系统作为动车组制动系统的关键组成部分,能否正常稳定工作,直接影响动车组的安全可靠运行,因此对制动控制系统的状态监测和故障诊断显得尤为重要和关键。由于动车组制动控制系统的复杂性及引进消化吸收的时间不长,制动控制系统故障仍较为多发,严重影响着动车组的正常稳定可靠运行。因此本课题对动车组制动控制系统中关键设备和部件的故障及潜在故障隐患开展深入研究,提出和改进了已有的故障特征提取技术和故障诊断方法,用于动车组制动控制系统关键设备和部件的故障诊断,以提高制动控制系统的可靠性、稳定性和主动安全防护能力。设计开发了制动控制单元自动化测试与故障诊断系统,并运用在CRH2型动车组制动控制系统的监测与故障诊断中,取得了很好的效果。主要研究内容和取得的创新性研究成果主要有以下几个方面：针对动车组制动控制系统的关键设备-制动控制单元(制动控制器)模拟电路软故障在复杂电磁环境下的故障特征提取问题,本文提出了一种基于形态学滤波-小波包能量熵的故障特征提取新方法。首先采用组合式形态学滤波器对故障信号进行预处理,消除白噪声、尖峰脉冲及未知噪声的干扰；然后采用小波包分析方法对预处理后的故障信号进行多层小波包分解,提取小波包能量熵组成故障特征向量输入到最小二乘支持向量机中进行分类识别。仿真和测试结果表明提出的故障特征提取方法有效的消除了环境噪声的干扰,提高了故障特征提取的准确性和敏感性。针对动车组制动控制系统的关键部件-传感器在复杂电磁环境下的故障特征提取问题,本文提出了一种基于集成经验模态分解能量熵的故障特征提取新方法。提出的集成经验模态分解方法是自适应的信号分解方法,在时域和频域都具有很高的分辨率,可应用在传感器故障非线性、非稳定性信号的分析处理上,并通过均匀添加高斯白噪声的方法消除了传统的经验模态分解中存在的模态混叠的影响,提高了故障特征提取的准确性和可靠性。针对动车组制动控制系统故障小样本和噪声干扰性强的特点,本文提出了一种基于改进粒子群优化算法优化的最小二乘支持向量机的故障诊断方法。提出的多群体协同混沌粒子群优化算法克服了标准粒子群优化算法易早熟、后期收敛速度慢和局部搜索精度低的缺陷,充分利用多群体协同进化粒子群优化算法较好的全局搜索能力和混沌粒子群优化算法局部搜索能力强的优势,提出的优化算法具有良好的局部搜索能力和全局寻优能力。函数优化测试和分类性能测试证明了提出的优化算法的优越性。在制动控制单元模拟电路容差软故障和传感器故障的诊断中,利用多群体协同混沌粒子群优化算法对最小二乘支持向量机的结构参数进行优化,提高了故障的诊断精度和速度。试验表明,该故障诊断方法具有良好的泛化能力和鲁棒性,故障分类辨识率更高,速度更快,在小样本条件下性能较其他分类方法更优。在动车组制动控制系统故障诊断中,最小二乘支持向量机的分类性能受核函数性能影响较大的问题,本文提出了采用混合核函数的方法。对局部性能较好的RBF核函数和全局性能较好的多项式核函数进行有效组合,并利用平衡因子对优化的性能和时间进行调整,提高了故障诊断的速度和精度。针对动车组制动控制系统中存在多故障模式识别的问题,本文提出基于改进最优二叉树结构的最小二乘支持向量机多分类方法,以类间分离性测度替代最优二叉树结构中的权值。与一对一、一对多、有向无环图等多分类方法相比,提出的改进最优二叉树结构的最小二乘支持向量机不仅分类器数目较少,分类速度较快,而且不存在分类盲区,分类精度更高。数据样本测试和制动控制单元模拟电路容差软故障诊断试验证明了该方法的有效性和优越性。最后设计开发了基于虚拟仪器和LabVIEW编程语言的动车组制动控制单元自动化测试与诊断系统。试验结果表明该系统可对动车组制动控制单元进行自动化测试和故障诊断,可用于制动控制单元的出厂检测和维护维修,对提高制动控制系统的可靠性和稳定性起到重要作用。