随着我国铁路运输的快速发展，为保证列车的安全高效运行，铁路信号设备也正向着网络化、智能化发展。虽然计算机联锁系统取代了原有的电气集中电路，但计算机联锁系统仍然保留了道岔控制电路。目前我国对道岔的自动监测系统并不能指导故障道岔的维修。针对这一现状，本文在收集文献资料和现场维修人员对道岔故障积累经验的基础上，运用专家系统和神经网络对道岔的故障进行了诊断。论文的主要研究内容如下：(1)在专家系统的诊断中，以道岔作为研究对象，分析研究了其结构和故障机理。运用现场数据和查阅到的相关文献为基础，通过故障树分析法获取知识，采用故障树知识和框架表示法相融合来表示知识库中的知识。然后采用基于规则的表示法将故障树最小割集的底事件融合到条件中，运用正向推理方式进行推理，此种形式有利于用户了解推理的整个过程，也可使解释机制的解释更加清晰。(2)在神经网络的诊断中，以道岔电气故障等8类故障类型为例，设计了BP(BackPropagation,反向传播)神经网络的网络结构以及训练和学习的各种参数，运用Matlab对训练好的神经网络进行测试得到了相关的诊断结果。通过专家系统和神经网络的诊断结果来看，专家系统在处理道岔机械故障此类规则性强的知识具有一定的优势，而神经网络对于处理道岔电气故障这种非线性数据具有一定的优势，二者具有很强的互补性。因此本文采用神经网络和专家系统对道岔进行故障诊断。(3)本文采用Visual C++6.0完成专家系统的设计，包含诊断推理、维修决策等。运用Microsoft Access2003完成数据库的建立，利用Matlab软件完成神经网络的设计。最后利用具体的诊断实例验证专家系统和神经网路对于不同故障类型的诊断效果。经过测试，结果表明采用两种方法对不同故障类型进行诊断的可行性，该系统能对不同故障类型进行及时的处理，提高了诊断效率。