近些年来,我国铁路建设迎来了一个高速发展的时期,目前我国已经拥有全世界最大规模以及最高运营速度的高速铁路网,铁路营运里程跃居世界第二。随着我国铁路建设的飞速发展,保障铁路安全运输的工作显得尤为重要。而牵引变压器作为列车从牵引电网取电的直接设备,是整列火车动力的来源,毫不夸张地说它就是整个列车心脏。它的运行状况会直接影响电气化铁路系统能否安全、高效的运营,运行中,一旦出现故障,将会严重干扰铁路运输生产。所以本文提出了一种改进智能算法来提高牵引变压器故障诊断的效率。本文首先阐述电力机车牵引变压器故障诊断的意义和目前国内外的发展现状。根据电力机车牵引变压器的工作特点和结构,详细地分析了可能发生的故障类型以及在这些故障下提取故障特征值的方法。为了进一步提高牵引变压器故障诊断的效率,本文在详细分析了BP神经网络、径向基神经网络、小波神经网络和遗传算法、粒子群优化算法的优缺点后,选择量子改进的粒子群优化算法与多分辨分析小波神经网络相结合来诊断预测电力机车牵引变压器的故障类型。在最后的实验测试中,牵引变压器的600组样本数据均来自研究所2006年研制的电力机车主变压器综合测试及故障诊断系统,以及通过安置在被试变压器出线端、套管末屏接地线、铁芯接地线等处的罗果夫斯基线圈所得到的数据。利用这些样本对文中的四种神经网络(其中包括BP神经网络、两种小波神网络和本文提出的基于改进智能算法的多分辨分析小波神经网络)进行训练和测试,结果证明本文的诊断算法不仅收敛快、稳定,诊断准确率也更高(达到了95%)。