地铁车门系统是轨道交通系统设备中重要的子系统。塞拉门作为客室车门的主流类型,在车门系统中与乘客关系最为密切,随着城市轨道交通运营规模不断扩大,地铁客流量日益增多,客室车门因开、闭频繁,导致故障频发,一旦出现故障会对运营效率产生极大地影响,在极端情况下甚至会导致安全事故的发生。因此,建立车门故障诊断系统,及早发现车门故障,准确识别故障类型,及时更换故障器件,可最大程度避免灾难发生,这对提高车门系统安全性、可靠性、降低故障率具有重要意义。首先,对塞拉门工作原理及本文研究典型故障发生的机理进行简要介绍,根据现场实际情况,对系统需求进行分析,完成塞拉门故障诊断系统总体设计。其次,针对地铁塞拉门故障诊断进行特征提取时存在维数过高导致诊断准确率低及运算量高的问题,提出一种基于ReliefF与BGWO的故障特征选择算法。该算法可筛选出相关性高、冗余度低且故障辨识度高的低维故障特征集,有效提高地铁塞拉门故障诊断准确率,同时大大减小后期故障在线诊断特征提取的计算量。继次,针对地铁塞拉门海量数据难以存储与传输的问题,根据采集的车门开关门过程数据特点,提出一种基于二维分块自适应阈值小波压缩算法。该压缩算法在保证压缩率的同时,满足高精度、低失真的要求,大大减少存储数据的数据量。然后,以STM32F407为核心对地铁塞拉门故障诊断系统中的数据采集硬件进行了设计,该硬件包括最小系统、电源、数据采集、通信、存储等。设计的采集卡在电气上隔离,不会对原电路产生任何影响。最后,以LabVIEW为开发平台对地铁塞拉门故障诊断系统中的上位机软件进行了设计,实现数据采集与存储、特征量提取、故障诊断及数据压缩等功能。结合现场地铁塞拉门控制试验台模拟不同故障进行实验,通过实验验证了系统功能的可行性以及本文研究算法的有效性。