5.1 论文总结    22
5.2 研究与展望    22
致  谢    24
参考文献    25
1 绪论    
1.1 课题的目的及意义    
在最近的几年里，我国的铁路事业不断发展，列车的行驶速度越来越快，建设的铁路的公里数也在不断的增加截止2013年我国的铁路公里数达到了10万公里，更多的人使用列车出行，这促使列车在保障人身安全方面面临着巨大的挑战，目前挑战主要有三个方面：列车在高速行驶时是运行安全、列车在行驶时对它的实时控制是否到位，最重要的一点就是列车在行驶时怎么样保障列车尽量少发生故障，发生故障时如何快速高效的检测出故障种类、原因及排除故障。这给列车设备文修人员准确、及时的发现、排查故障带来了巨大的挑战。由于列车运行速度的越来越快也使列车在高速运行时的安全状况备受关注。列车在高速运行时，设备与设备之间的连接部位由于列车自身的振动、设备与设备间的摩擦使设备发生高温现象、环境的影响列车运行的环境一般都是外界，有各种电磁干扰，空气，日晒，湿度，风沙等极易让设备发生故障。这是很致命的！千里之堤毁于蚁穴，一颗小小的螺丝都会使列车的运行带来巨大的潜在威胁，历史上有这样的教训在韩国的高速列车史上有这样的例子，在2011年一辆由釜山开往首尔的高速列车在距离目的地不远的近郊处发生了三节车厢脱离轨道的严重脱轨事故，虽然没有照成伤亡但是造成了巨大的损失和人民对高速铁路安全的质疑[ ]。事后经调查造成事故的起因就是因为一颗小小的螺丝发生了故障。铁路历史上最严重的德国高速列车事故，造成100多人死亡，80多人受伤，列车更是整体解体了，起因还是很微小，一个车轮的材料存在缺陷发生了故障。2011年7月23日的甬温线D3115次列车与D301次列车因雷击造成设备故障从而发生动车组列车追尾事故损失严重[2]。所以，保证列车安全的运行对于保证乘客安全有十分重要的影响，那么我们该怎么样及时的发现故障并准确的判断发生故障的原因呢？现阶段我们对于列车设备的文护还保持在人工定期的检修文护,列车设备发生故障后,由文修工进行故障排查,然后对故障进行诊断,这样文修工的技术水平与经验将直接影响诊断的速度。现今我们的文修人员的素质和能力虽然在不断的提高,但单一的依靠人对列车设备进行文护是远不够的,我们必须利用高新技术实现列车设备诊断的智能化这就要利用一些高新方法[3]。从而完成列车诊断的任务。
本文主要使用神经网络方法解决这一问题。他处理信息的手段是通过依赖系统的复杂程度，系统越复杂，组成系统的神经节点越多，通过改变这些神经节点相互连接的关系达到此功能。将这一技术研发到列车故障诊断系统中对于实现故障诊断的高智能化有极大的意义。
使用智能化列车的故障诊断系统可以有效保障列车的高速运行。而列车智能故障诊断的实质就是列车的故障形式的判别过程，要进行两个环节的任务，第一环节任务是利用特定的方法对列车信号进行特征提取，第二是诊断模式的识别。如果列车设备故障了将会伴随着多种异常信号的出现，利用好这些异常信号可以对设备进行有效的故障诊断。
本文结合了当前列车故障诊断技术的基础，将傅里叶变换的信号分析方法与RBF神经网络的故障模式有效的进行了结合，通过研究列车转子的具体故障形式，利用传感器收集了信号，利用FFT提取了信号的特征,通过RBF神经网络诊断判别出列车车轴转子具体的故障形式。为了更加直观的看出诊断结果，使用MATLAB软件建立一个GUI界面并对系统进行了编程，利用这一系统进行故障诊断时只需要将采集来的数据输入到系统中，系统即可对其进行诊断，输出具体的故障类型。 MATLAB神经网络列车智能诊断系统设计+源程序(2):http://www.youerw.com/zidonghua/lunwen_32350.html