1、軌道電路故障是影響鐵路運(yùn)輸行車效率、引發(fā)安全事故的重要誘因。因此，對(duì)軌道電路故障進(jìn)行準(zhǔn)確的診斷、及時(shí)的預(yù)測(cè)、科學(xué)的管理具有重要的研究意義。
　　論文根據(jù)軌道電路的工作原理和實(shí)際使用情況對(duì)軌道電路的故障形成機(jī)理進(jìn)行了深入分析，總結(jié)了軌道電路的故障類型及對(duì)應(yīng)的故障征兆。在此基礎(chǔ)上，采用故障預(yù)測(cè)與健康管理（Prognostics and Health Management，PHM）開放式分層體系，構(gòu)建了一種軌道電路PHM體系結(jié)構(gòu)，提出了

2、總體解決方案，并研制了軌道電路特征參數(shù)采集及信息處理設(shè)備。
　　論文還從以下幾個(gè)方面進(jìn)行了創(chuàng)新研究:
　　(1)提出了一種基于小波變換的軌道電路故障征兆提取算法。針對(duì)傳統(tǒng)FFT算法不能對(duì)非平穩(wěn)信號(hào)進(jìn)行時(shí)-頻局部化分析的缺陷，論文利用小波變換的多尺度分辨技術(shù)對(duì)含有大量沖擊干擾噪聲的軌道電路信號(hào)進(jìn)行分析，從時(shí)域和頻域兩方面對(duì)信號(hào)進(jìn)行多層分解，將信號(hào)故障特征信息從干擾信號(hào)中分離出來。并通過仿真實(shí)驗(yàn)對(duì)比，從三種典型的小波基函數(shù)中，選

3、取了db5小波基函數(shù)，驗(yàn)證了算法的有效性和精確度。
　　(2)建立了一種基于模糊神經(jīng)網(wǎng)絡(luò)（Fuzzy Neural Network，F(xiàn)NN）的軌道電路故障診斷與預(yù)測(cè)模型。由于軌道電路系統(tǒng)具有非線性、無精確解析模型的特點(diǎn)，論文結(jié)合模糊推理系統(tǒng)易于知識(shí)表達(dá)的優(yōu)點(diǎn)和神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)模型的故障診斷與預(yù)測(cè)方法。并利用和-積(Sum-Prod.)這種無參數(shù)模糊算子分別對(duì)FNN模型的故障可信度和規(guī)則激活度進(jìn)行合成

4、運(yùn)算，通過仿真分析，驗(yàn)證了模型的有效性。
　　(3)提出了一種基于帶補(bǔ)償度參數(shù)模糊算子的改進(jìn)算法。通過對(duì)典型模糊算子聚合性能的分析研究，發(fā)現(xiàn)無參數(shù)模糊算子容易對(duì)輸入信息造成遺漏，使診斷與預(yù)測(cè)結(jié)果出現(xiàn)較大偏差。為了解決這一問題，論文將廣義概率和-廣義概率積(Generalized Probability Sum-Generalized Probability Product,GPS-GPP)和廣義加權(quán)均值（Generalized W