近十年来,中国高铁建设取得了质的飞跃,铁路网正从“四纵四横”走向“八垂直和八水平”。截至2018年底,中国铁路总里程已超过13.1万公里,其中高速铁路总里程约为2.9万公里,占世界总里程的66%。高速铁路的快速发展,不仅缩短了旅客的出行时间,而且促进了区域经济的协调发展。信号系统是铁路运输管理系统中的一项重要组成部分,是用来进行列车运行管理和保障行车安全的工具。道岔是列车运行的关键基础设备,是保证列车运行安全的基本条件,尤其是在在列车高速运行状态下,道岔系统的稳定性和精密性尤为重要。转辙机是在列车行进过程中改变行进轨道,实现道岔转换的重要基础部件。目前对转辙机动作电流的分析及故障判别主要依赖技术人员的人为分析,这种分析方法不仅效率低,实时性差,且容易产生误判错判,从而导致事故的发生。由于人们对铁路正点、快速、舒适、安全提出了更高的要求,现在研究的道岔故障诊断方式已不适应目前的发展需求,因此,需要更为高效且准确的故障诊断方法来帮助电务人员判断故障原因。针对上述背景,本文选择ZYJ7型交流电液转辙机为研究对象,选用卷积神经网络为研究新方法,对提速道岔进行故障分类,最终实现道岔故障定位与预测的智能化。论文的主要工作及研究成果如下:首先,详细介绍了 ZYJ7型道岔系统的组成及其动作过程,阐述了其工作原理和正常动作电流曲线。通过现场调研兰州局某电务段微机监测中心的微机监测数据,根据收集到的电流曲线及专家经验,并结合相关参考文献,归纳总结了 5种常见的故障模式,分别为:卡阻故障、异常状态回操、异常阻力故障、道岔卡缺口故障和表示电路故障,同时总结其各自对应的动作电流曲线形式,并分析了各种故障模式产生的原因。其次,由于ZYJ7型交流电液转辙机道岔系统的电流曲线较为复杂,提出如何根据电流曲线样本数据提取和选择特征电流参数的三种方法:(1)直接选用简单处理过的道岔动作电流原始曲线;(2)根据道岔电流曲线每个状态的电流参数提取参数电流;(3)将道岔动作电流曲线按时间提取每个时间段内的电流参数值。然后分析了卷积神经网络的基本结构及其相关技术特点,重点是局部连接和权值共享特性,详细地以数学公式推导的方式阐述其前向传导与反向传播的网络训练过程。接下来详细阐述了自适应增强卷积神经网络的核心算法,即在原始卷积神经网络的前向传导与反向传播过程之间增加自适应模块,对原始的分类结果进行分析和特征提取,并根据最后的迭代次数、特征提取的精度以及识别结果,使用自动增强系数对特征误差进行自适应的调整,实现特征残差的自适应增强。在此基础上,针对ZYJ7型交流电液转辙机道岔系统,设计基于自适应增强卷积神经网络的道岔故障诊断模型。最后,对三种参数提取方法和两种卷积神经网络的性能进行对比实验,得出:(1)电流参数提取方法一对道岔故障特征有较好的表达;(2)自适应增强卷积神经网络对故障诊断的诊断率较原始卷积神经网络的收敛性和稳定性有一定的提高,且识别率提高了 5%左右。由于选用电流曲线的泛化性、收敛性和识别率均表现良好,故使用自适应增强卷积神经网络对ZYJ7型道岔动作电流曲线故障诊断的方法可进一步推广到其他多种道岔。