铁路信号系统是一个由多种机电设备组成的复杂的控制系统,实际信号系统的故障现象具有多样性,很多复杂故障产生的原因往往具有模糊性、随机性和组合性等特点,所以铁路信号设备的故障诊断需要通过建立专家系统予以解决。如何基于铁路信号设备故障的实际,选择合适的复杂故障诊断模型,并开发实际应用算法,是建造实际铁路信号设备故障诊断专家系统需待研究的一个关键问题。本论文结合参加导师主持的铁道部科研项目“铁路信号设备故障诊断专家系统”的实际研究工作,对基于学习算法的复杂故障诊断模型与方法进行了选题研究。论文在对国内外研究现状及发展趋势分析的基础上,首先,针对铁路信号设备故障的特点,对故障诊断的过程、内容和方法进行了系统分析,主要包括基于解析模型的方法分析、基于信号处理的方法分析和基于知识的方法分析。其次,以决策树理论为基础,针对传统的知识表示与获取方法的不足,对基于决策树的知识表示方法进行了深入探讨,重点对C4.5算法在铁路车站信号设备故障诊断专家系统中的应用进行了构模研究,研究提出了基于决策树的知识表示与获取方法的应用模型,以及基于决策树模型的复杂故障诊断算法。该算法具有充分利用决策树把知识表示与获取融于一身的优点,使知识表示与知识获取同时进行,克服了传统人工智能系统中知识表示与知识获取分离的缺点。最后,利用该方法对实际的铁路信号设备故障诊断专家系统进行了应用研究,包括复杂故障诊断决策树的生成软件开发与事例分析;铁路信号设备复杂故障诊断专家系统知识库的建立;应用C4.5算法实现复杂故障诊断效果的评价等,结果表明,该方法不仅能够实现知识的自动获取与表示,而且所获得的以决策树形式表示的知识具有很高的推理效率。