牵引变压器是牵引供电系统与电力系统衔接的重要电气设备，其能否正常运行直接关系到电气化铁路的安全、可靠和高效运行。目前，牵引变压器故障诊断往往采用单一的诊断方法即利用在线监测系统获取变压器的单个或多种运行状态信息进行综合分析，确定其故障类型，这样的处理方法或多或少存在误判或漏判的情况。为此，本文重点研究智能诊断方法在牵引变压器故障诊断中的应用，并完成了软件系统的设计来验证该智能诊断方法的有效性。　　 本文首先分析了牵引变压器的运行特点、故障类型及故障原因，介绍了变压器故障诊断常用的方法以及模糊神经网络在变压器故障诊断中的应用。通过改进思维进化算法的趋同和异化算子，提高模糊神经网络的收敛速度。　　 其次，本文采用数据融合技术与智能诊断方法构建了牵引变压器故障智能诊断模型。该模型由数据层、特征层和决策层组成。数据层对获取的牵引变压器多维信息进行综合分析处理，提取特征信息;特征层的模糊神经网络对特征信息进行初级诊断;最后通过决策层的D-S证据理论将初级诊断结果进行融合分析和决策判断。其中，针对D-S证据理论融合方法存在的缺陷，采用新的合成公式解决证据之间的冲突问题，减小了故障诊断的不确定性影响。　　 最后，基于LabVIEW软件设计以牵引变压器多维信息分层决策融合模型为核心的故障智能诊断软件系统，通过设计数据处理与分析模块、数据管理模块和最核心的故障诊断模块，实现了牵引变压器数据处理与分析、存储与查询和故障诊断等功能。通过典型实例验证了该软件系统的有效性和可靠性，并证明了基于数据融合故障诊断方法在实际系统中应用的可行性。