“大功率、重负荷”牵引供电系统在飞速发展,它为交通运输提供便捷的同时也存在着亟待解决的难题,这便是怎样提高其安全性,可靠性,使其高效地为铁路运输供应能量。接触网作为重要的供电来源,由于运营环境的特殊性使其工作性能受多种因素的影响,如气候、地域等,且由于自身构造繁琐,由多种功能的构件协同工作,使得对其工作性能的剖析不能够单纯地研究一种部件,还要剖析各种诱因间的彼此作用。因而,本文利用先进的数据驱动技术对接触网故障进行研究,并通过检测数据对其状态进行预测。首先,通过多次现场调研以及钻研各类相关文献,从诱发接触网故障的根源出发,分析各种诱因间的联系,用以从本质上解决接触网故障诊断问题。利用SPSS统计学软件对各种故障与诱因间的相关性进行验证分析,为之后诊断模型的特征选取提供数据支持。其次,根据调研获得的数据以及不同故障的分析结果,提取了故障电压、电流、阻抗角、阻抗、温度、湿度、风速及天气这8个特征量为输入,对异物、机车、雷击、过负荷、覆冰故障进行诊断,并对BP以及LVQ两种方式的诊断效果进行对照解析。然后,为了将故障的产生遏制在萌芽阶段,降低故障发生率,对调研的检测数据进行剖析整理,选取包括接触压力、导线高度等检测值并进一步求取其均值以及方差当作神经网络的输入,以接触网平均磨耗量作为模型预测的输出,通过MATLAB编程建立接触网磨耗预测模型。最后,本文利用MATLAB GUI进行接触网状态预测与故障诊断的界面设计,免去了繁琐的代码解读,工作人员只需执行简单清晰的界面操作就可以读取诊断结果。本文的研究表明,运用神经网络算法基于电压、电流、功率角等故障数据驱动的故障诊断方法是可行的,特别是采用交叉验证方式训练后的LVQ神经网络,具有很高的准确率,通过遗传算法优化后的BP神经网络在接触线磨耗方面的预测能力也显著提高,从而证明以上方法对接触网状态预测与故障诊断理论研究有一定的参考价值,在现场也可以推广使用。而基于MATLAB GUI的接触网状态预测与故障诊断界面,减少了工作人员分析代码的时间,使故障诊断更加地直观便捷。