随着高速铁路的飞速发展,列车已经成为人们日常生活中不可缺少的交通工具,然而,高铁在给人们带来交通便利的同时,它的安全保障也成为了一个不可忽视的问题。因此快速、准确的发现并处理高铁信号故障,确保列车安全高效的运行具有重大意义。传统的故障诊断方法有基于解析模型的方法、基于信号处理的方法和基于知识的方法,这些方法有的需要准确的数学模型；有的虽然不需要准确的数学模型,但计算量却较大；有的需要丰富的专家经验知识。然而,这些条件对于高铁信号故障分析来说却十分难以获取,更不能在实时性上满足高铁信号故障诊断的需要。聚类集成是一个无监督的学习过程,是对原始数据集的多个基聚类结果进行学习和集成,得到一个能够较好反映数据集内在结构的划分。聚类集成可以明显提高系统的泛化能力,较好的检测和处理孤立点,提高故障诊断结果质量,从而进一步确保列控系统的安全性和可靠性。本论文提出将聚类集成技术运用于高铁信号故障分析,通过对比实验结果表明该方法相比于单个的聚类算法能够更准确有效的进行高铁信号故障诊断。论文主要完成的工作如下：(1)分析目前国内外高铁信号故障诊断和聚类集成的研究现状,以及一些传统的故障诊断方法,提出基于聚类集成技术的高铁信号故障诊断模型。(2)根据不同的特征选择算法与基聚类算法想结合,对高铁信号数据集进行特征选择处理和聚类分析,详细阐述了每种算法及其实验与结果。(3)详细介绍基于聚类集成技术的高铁信号故障诊断模型的分析和设计,利用Mat1ab编写代码,分别对单个的基聚类成员结果与集成结果进行对比实验。本文提出的基于聚类集成技术的高铁信号故障诊断模型,实验数据来源于某大学牵引动力实验室的高铁仿真数据和实测数据,实验结果表明该算法相比于单个的聚类算法和传统的故障诊断方法在高铁信号故障诊断上更加精确有效。