随着当前铁路快速发展,铁路货运运量与日俱增。由于中国铁路的客货混运的特殊情况,因此对货车的运输效率就需要更加重视,而编组站又是铁路货运的心脏,要提高铁路货运的效率,就要提高编组站的解体和编组能力。编组站的解体和编组是需要驼峰的高效率来实现的,驼峰的关键设备就是减速器,所以减速器的使用率和故障率提高,而现场维修人员凭借现场经验的低效率维修已经不能满足当前的货运溜放要求,因此对驼峰溜放控制,钩车安全连挂提出更高的要求,所以利用计算机对减速器的故障诊断就非常有必要。本文根据现场收集数据对其进行归纳总结,利用改进的BP神经网络对其进行训练与测试,以达到精确诊断减速器的故障部位,对其进行抢修尽快恢复作业提高维修的效率。首先,对编组站减速器进行故障分析,分别对减速器的机械原理故障分析和减速器的电气故障分析,总结减速器的常见故障;其次,建立改进的BP神经网络模型,确定模型的输入层节点数为9个,隐含层的节点数为13个,输出层的节点数为6个。采用贝叶斯正规化算法改进BP神经网络的性能函数,再利用LM算法来改进网络的收敛速度和泛化能力,根据减速器故障分析选取特征变量,并对其分析总结;再次,根据收集来的数据对建立的改进BP神经网络进行训练,采用非训练数据进行测试改进BP神经网络的泛化能力,再利用MATLAB进行仿真测试改进BP神经网络故障诊断的精确性,从仿真结果可以看出来改进BP神经网络对驼峰减速器故障诊断时间短、精度高,应用能力良好;最后,设计改进BP神经网络驼峰减速器故障诊断系统,设计系统的各项功能使其能在编组站现场应用,能快速诊断出故障加以维修,提高安全和效率。本文首次提出采用基于贝叶斯正规化算法的改进BP神经网络对驼峰减速器的故障进行分析,并通过MATLAB进行仿真验证,得出基于贝叶斯正规化算法的改进BP神经网络驼峰减速器故障诊断具有收敛快、精度高等特点。并根据基于贝叶斯正规化算法的改进BP神经网络设计驼峰减速器故障诊断系统。该系统已在现场测试,实践证明所设计的故障诊断系统对减速器的故障诊断效率有很大提高,这样不仅减少作业成本,而且提高安全性,为实现驼峰自动化智能控制提供了更好的技术。