高速列车的运行安全至关重要,具有安全苛求特性的列车运行控制系统是保障高速列车运行安全的关键系统之一。科学技术水平的提高为列车运行控制系统的可靠性提供了保障,使得安全系数有了显著提高。但是在高速列车的运行过程中,自然环境的不可预知性以及列控系统自身的复杂性表明故障的发生仍是不可避免的,所以,对于列控系统而言,及时无误的故障诊断成为保证其安全运行的重要措施。目前,列控系统故障诊断的研究主要集中于系统级故障分析,如动态贝叶斯网络等,对基于设备数据的故障诊断研究比较少,尤其是文档型数据。本文以此为目标,针对列控系统车载设备数据特点,从数据挖掘的角度提出基于粗糙集理论的列控系统车载设备故障诊断方法。本文的主要研究内容包括:(1)论文详细地阐述了目前故障诊断技术在国内外的发展状况,并对本文的研究对象,即列控系统300T型车载设备ATPCU-LOG文档进行数据简述与特征分析。针对数据的具体特点,借鉴数据挖掘的故障诊断思路,提出了基于粗糙集理论的列控系统车载设备故障诊断的方法,并对该故障诊断方法的基本原理进行了分析。(2)对粗糙集属性约简算法进行深入研究,并进一步引入新的属性重要度度量方法,并进一步考虑了集合间包容关系,使约简结果更可靠。基于以上算法,以BTM单元、TIU单元为例进行实验仿真。首先,基于原始决策规则采用神经网络算法进行故障诊断;然后,采用粗糙集与神经网络结合的算法进行仿真;最后,为了进一步增强结论的可信度,引入分类效果优良的支持向量机进行仿真。对比仿真结果,验证了粗糙集理论在实现列控系统车载设备故障诊断方面的有效性。(3)以经过粗糙集属性约简算法得到的故障诊断规则为特征向量,以动车段数据分析中心实际工作流程为背景,设计了列控系统300T型车载设备ATPCU-LOG文档数据的分析与处理软件,实现了数据分析、报表生成工作的智能化。并以日交接班记录统计的故障为标准,对该软件的功能进行了验证与分析。本文从数据挖掘角度提出基于粗糙集理论的列控系统车载设备故障诊断方法,并以BTM单元、TIU单元为例,分别基于神经网络算法、粗糙集理论与神经网络结合的算法、支持向量机算法进行仿真,验证了该方法的可行性。并在此基础上,设计了列控系统300T型车载设备智能化数据分析与处理软件,是粗糙集理论在列控系统车载设备故障诊断中的初步探索。