李雅美，魏文军

（兰州交通大学光电技术与智能控制教育部重点实验室，兰州730070）

随着铁路建设的发展，对于信号设备的安全可靠性及行车效率的要求越来越高，道岔作为限制列车运行速度的关键设备之一，必须提高其可靠性。本文提出了一种基于模糊神经网络的故障诊断方法，它具有模糊逻辑与神经网络两种系统的优势，不但可以确定故障类型，而且利用模糊权重的概念，能够进一步对故障的严重程度进行判断，提高了故障诊断的准确率。

1 模糊神经网络

1.1 模糊理论与神经网络的结合

神经网络具有处理非线性知识、自学习和并行计算等方面的能力，适用于处理非结构信息。模糊系统具有处理模糊信息的能力，对处理结构低的知识更为有效。将模糊理论与神经网络相结合，采用模糊神经网络进行故障诊断，同时具有模糊逻辑和神经网络的优点，既能够处理专家知识和经验，又能够通过强大的自学习能力和数据处理能力增强系统的决策能力。利用神经网络的自学习能力，优化模糊逻辑系统中的模糊规则、隶属函数和模糊决策算法，经过模糊化处理使得神经网络的训练样本更精确，加快学习速度，提高诊断精度，成为更完善的故障诊断模型。

1.2 模糊神经网络结构及学习算法

本文采用串联型模糊神经网络实现道岔故障诊断，网络由模糊化处理和常规BP网络组成，模糊处理部分的隶属函数将输入数据进行模糊化处理，经模糊化处理后的数据送给BP网络进行训练，输出数据与期望的目标输出进行比较，根据误差反向调整BP网络的连接权。……