铁路运输逐渐成为我国交通运输的主力军,是发展国民经济的重要推动力。铁路的安全性是铁路运输的重中之重,是最优先应该考虑的因素,若没有及时考虑到铁路运输的安全性,或者安全性的问题没有及时解决将会导致威胁人们生命安全和财产损失的事故发生。轨道电路,信号机以及道岔转辙机是保证列车安全运行的至关重要的三大室外设备,其中轨道电路是能够检测列车占用,列车当前运行位置,及其完整性的重要安全性设备。一旦轨道电路出现故障,列车运行的安全性就不能得到保证,后果不堪设想。因此,轨道电路的故障检测是对于铁路运输的安全性保证,及时检测处理轨道电路中出现的故障能够最大程度的保证列车运行的安全性。而补偿电容是轨道电路的重要组成部分,能够起到降低钢轨感性,减缓信号衰减的作用,很大程度的提高传输信号的质量。所以其一旦发生故障,信号传输过程将会出现问题,导致列车运行过程中获得信号质量不佳甚至出现掉码的问题,为列车安全运行和列车控制系统带来极大的隐患。针对目前现场检测补偿电容故障的应用的主要方法是使用费时费力的巡检车定期定时沿轨道巡检的现状,这样的方法效率非常低,并且时效性很差不能及时检测出故障情况,总结国内外学者针对补偿电容故障进行的普遍性的研究,存在处理时间长,需要离线处理等问题,本文使用贝叶斯网络对所存在问题进行分析研究,主要研究内容如下:贝叶斯网络近年是来用于处理故障检测问题的热门方法,与其他智能方法不同的是其是基于概率论统计学的方法和图论的思想,可推测大数据下,各种情况复杂概率的情况,在处理故障诊断的问题中能够达到比较好的效果,但是贝叶斯网络也存在一些问题,例如贝叶斯网络的诊断效果很大程度取决于网络结构的构建,而贝叶斯网络结构学习是一个复杂的问题,仅仅基于专家系统或者原有算法构建出的网络存在冗余的现象,在一定程度上影响了诊断结果。在此基础上使用改进后的细菌算法来优化贝叶斯网络的网络学习。细菌算法是近年来新兴的人工智能算法,用于处理多维度下复杂问题的最优解。但原有的细菌算法存在很多局限,例如初始菌落的分布不同可能导致算法的迭代次数有很大的差别,算法的驱化部分具有一定的盲目性,没有将全局的情况思考进去等等。基于此类情况对算法进行改进,核心创新点是对算法中存在的局限性进行了合理解决。加入自适应参数来调整算法的驱化过程,并且结合算法的后两部分,能够有效保存优秀的细菌,使群落整体优化问题得以解决。本文基于细菌算法优化贝叶斯网络的结构学习,从而得到优化后的贝叶斯网络结构。以所得到的结构模型为基础,在Windows平台上利用MATLAB针对轨道电路故障进行诊断,明确诊断出补偿电容故障情况,并且对各个补偿电容的故障进行分析,能够得到相应的故障诊断结果,为铁路智能运行维护提供一种新的思路和方法。