铁路微机监测系统是重要的行车安全辅助设备,是铁路装备现代化的重要组成部分。目前,微机监测系统的故障诊断功能研究尚处于起步阶段,对于铁路车站信号设备运行状态的判断主要依据工作人员通过监测系统采集的数据曲线,凭借个人经验来确定,检修效率和可靠性相对低下。因此,实现微机监测系统的故障诊断功能是亟待解决的任务。数据挖掘在设备状态监测与故障诊断过程中主要进行特征提取、状态识别和诊断决策。故障特征信息提取是其中最重要、最关键而且也是最困难的环节。同时,微机监测系统监测到的的数据流是一种时间序列,是快速变化的、海量的和潜在无限的,并且不可能整体存储和多次扫描,甚至不可能“看到”数据流中的每个元素。因此,时间序列挖掘是数据挖掘研究中最具有挑战性的十大研究方向之一。论文结合微机监测系统自身的监测特点,提出一种新的基于时间序列挖掘的故障特征信息提取算法,该算法按时间序列点采样值的线密度分布估计设备正常状态值,结合数据变化趋势和数据相对增量变化的比较情况进行故障信息的提取,将该算法用于微机监测下的道岔设备、轨道电路和电源三种主要设备的故障特征信息提取上,并通过Matlab仿真,结果表明将该算法应用在故障特征信息的提取上是可行的。论文将时间序列挖掘和面向故障诊断的petri网将结合,首先利用文中设计的数据挖掘算法对微机监测到的时间序列进行故障信息的提取,然后将提取到的数据作为诊断样本输入文中自定义的petri网,分析了微机监测下的信号设备故障的特点,运用面向故障诊断的petri网方法进行相应的故障诊断,最后由petri网输出诊断结果。文中分别对微机监测系统下主要设备的常见故障进行建模,按照文中提出的前向、后向和混合故障诊断petri网推理算法,依据时间序列挖掘方法提取初始状态,推断引起故障的可能原因和引发的后果。通过对监测数据进行处理分析,依据故障模型推理得出了可能引起故障原因的可能性程度和后继故障,从诊断结果上来看基本可以达到预期目的,证明了采用的时间序列挖掘方法和面向故障诊断的petri网诊断方法运用在微机监测下设备故障诊断中正确性和可行性。