卫晓娟，丁旺才，李宁洲，郭文志

(兰州交通大学 机电工程学院，甘肃 兰州 730070)

齿轮箱是机车牵引传动系统中一个非常重要的部件，其故障的精确诊断对于提高机车牵引传动系统检修质量、保障机车有效发挥牵引性能及列车安全运行至关重要。传统的机车齿轮箱故障诊断主要是依靠工作人员的经验对故障进行主观判断，对工作人员的经验要求较高，但其诊断效率较低，已经不能满足机车状态修(即视情维修)的要求[1]。神经网络和智能计算等人工智能技术可使机器能够胜任一些通常需要人类智能才能完成的复杂工作，其在铁道机车车辆设备故障诊断中也得到了成功运用[2-4]。因此，如能有效利用人工智能技术对检修数据进行分析处理以准确判断机车齿轮箱故障，对于指导维修实践、提高检修质量、减轻工作人员工作负荷、降低对人员技术水平与工作经验的要求具有重要的实际工程价值。

神经网络作为实现多属性故障诊断的一种有效方法，具有处理分布不均匀、线性不可分复杂数据的能力，因此适用于解决具有故障原因较多且各种因素相互耦联导致故障与征兆之间的映射关系呈现非确定性及复杂非线性特点[5]的机车齿轮箱故障诊断问题。然而神经网络的结构及参数的确定尚无规律可循，若参数选择不当则会使其在故障诊断中存在明显不足。因此，将神经网络引入机车齿轮箱的故障诊断需要解决两个关键问题：网络结构的确定及网络参数的优化选择。……