转辙机作为铁路信号设备室外三大件之一,是用来转换道岔,当道岔转换到位后对道岔进行锁闭并给出相应表示的设备,对铁路运输的安全与效率具有重要的影响。目前我国铁路信号系统通过对转辙机进行定期检修和设天窗点维修的手段来保证转辙机安全可靠的运行,这种维护方式不仅效率低、工人的工作量大,且仅依靠工人的经验进行故障识别,容易发生错判、漏判的现象而危及行车安全。随着我国铁路朝高速、重载运行的方向发展,S700K交流电动转辙机广泛应用于当前的铁路线路,为了提高其工作的安全性与可靠性,应用智能数据分析处理技术实现对S700K交流电动转辙机工作状态的智能感知和安全预警十分必要。针对上述提出的问题,本文的主要研究内容如下:第一,S700K交流电动转辙机输出功率的变化可以反映道岔尖轨推拉力的变化,而作用于道岔尖轨的推拉力可以反映转辙机内部的运行状态,本文以应用于提速道岔区段的S700K交流电动转辙机为研究对象,提出了一种基于EEMD(Ensemble Empirical Mode Decomposition)多尺度模糊熵的故障特征提取方法。该故障特征提取方法运用到了集合经验模态分解算法、模糊熵和参数归一化等知识理论,将S700K转辙机功率曲线自适应的分解为频率由高到低的本征模态函数IMF(Intrinsic Mode Function),提取每一个IMF分量上的模糊熵作为故障诊断特征参数,建立S700K转辙机常见故障的诊断特征集。第二,本文采用灰色关联度算法和模糊聚类方法,根据故障特征分别对S700K电动转辙机的故障类型进行识别。灰色关联度算法通过计算待检样本特征量与故障特征集中各故障特征量之间的关联度值,基于分辨率取值原则及不同分辨系数下故障识别的准确度存在差别,合理选择分辨系数对诊断系统进行功能测试;基于模糊聚类方法的故障识别,首先通过平移标准差变换与平移极差变换对原始特征模式矩阵进行归一化处理,然后引入描述样本之间相似度的指标,建立原始特征模式矩阵的模糊相似矩阵,采用传递闭包法构建模糊等价矩阵并形成动态聚类图进行故障识别。通过将某电务段S700K电动转辙机某故障功率曲线作为测试样本进行诊断系统功能验证,实验结果表明了这两种故障诊断方法应用于S700K电动转辙机故障诊断的可行性。