随着我国列车的不断提速，对列车行车安全的要求也随之提高。制动性能的好坏是影响列车提速的一个关键。折角塞门是列车基础制动装置中的一个部件，一旦被非正常关闭(折关)，从而阻断气体通路使其后车辆的制动系统失灵，在列车需制动时，使空气制动功能受到影响，制动力下降，严重时将造成列车冒进，追尾等事故，使国家物质和人民生命财产蒙受巨大损失。铁道部1988年已将防止折角塞门关闭造成事故问题列为铁路安全的重点攻关项目。本文首先详细介绍列车空气制动系统，分析其构成和工作原理。在此基础上，引出折角塞门的位置与作用，接着给出折角塞门工作中可能出现的问题以及应对措施，介绍了列车折关检测的原理。针对目前国内所研制的各种折关检测装置，分析其特点与不足，指出列车折关检测的关键技术。鉴于折关检测系统的难于建模性，本文尝试借鉴神经网络模式识别的优势对折关故障进行识别。神经网络模式识别具有大规模并行协同处理能力、较强的容错能力和联想能力以及较强的学习能力。本文研究了神经网络模式识别系统的一个关键问题，即模式的预处理和特征提取，重点分析了主分量分析(PCA)的理论实现基础K-L变换和实现PCA的方法步骤。在此基础上，接着给出本文核心即BP神经网络模式分类器的实现思想。运用上述研究成果，成功地开发与设计了一个具体的神经网络模式识别系统，即列车折关故障检测系统，借助于MATLAB，用改进的BP算法对研制的样机进行样本训练并完成神经网络结构设计。对样机进行实验室测试得出其运行稳定、故障识别率较高，具有较大的实用价值，表明本文研发成果的有效性。文章最后对检测装置软硬件设计做了重点介绍。