王梓丞 ，张亚东 ，郭 进 ，苏丽娜 ，杨 璟 ，宋 辞 ，李科宏

（1. 西南交通大学信息科学与技术学院，四川 成都 611756；2. 中铁二院工程集团有限责任公司，四川 成都610031）

轨道电路用于实现轨道占用/出清检查、列车完整性检测以及车-地通信，是中国列车运行控制系统（China train control system，CTCS）的核心组成部分.然而，轨道电路在实际运营中却存在故障频发的问题，严重影响了铁路运营安全和运输效率. 近年来，各铁路局已经逐步安装了信号集中监测系统，实现了对轨道电路运行数据的实时采集，但并未实现对所采数据的智能分析. 现场对故障的判别仍然采用传统的阈值法，其数据分析工作依赖大量人工参与，导致现场维护效率偏低. 因此，有必要引入一种智能诊断方法，从轨道电路运行数据中挖掘有用信息，辅助现场维护人员及时准确地判断故障.

智能诊断方法是人工智能领域基于知识处理的故障模式识别方法. 其中，基于神经模糊系统（neural-fuzzy systems，NFS）的方法结合了模糊推理系统和神经网络的优点，利用神经网络算法对模糊系统的参数进行调整，使其可以在先验知识不足的情况下从训练样本中提取模糊规则[1]. NFS已被证明在处理包含重大不确定性的复杂系统时，具有更明显的优势[2]. ZPW-2000A轨道电路结构复杂且受室外运行环境的影响，适合于用NFS进行分析. 目前，基于NFS的方法在轨道电路故障诊断中已经有所应用[3-4]. 文献[3-4]利用Sugeno型自适应神经模糊推理系统（adaptive neuro-fuzzy inference system，ANFIS）分别针对英国FS2550型和德国IT21型轨道电路……