摘要：随着铁路技术的蓬勃发展,高速列车已经成为人们中长途出行的首要选择。同时,其伴随的安全性、舒适性问题也逐渐受到重视。辅助供电系统是高速列车能够正常运行的重要保障,系统故障将导致乘客舒适感下降,列车行驶受阻,铁路班次调整等一系列问题。为了避免此类情况的发生,本文主要对高速列车辅助供电系统故障诊断方法进行研究,基于数字孪生技术,建立辅助变流器仿真模型,模拟真实电路运行情况。然后以获取的故障数据集为分析对象,在MATLAB R2018a平台上训练多种机器学习模型。同时结合优化方法建立混合模型,比较诊断性能。实验结果表明,数字孪生技术能够大大降低收集数据的难度,可以快速获取数量多,类别丰富的故障数据;基于遗传算法的BP(back propagation)神经网络混合模型对类故障的诊断分类效果最好,平均精确率和准确率分别为86.7%和95.6%。基于数字孪生的机器学习模型诊断效率和精度高,可以运用在高速列车辅助供电系统的故障诊断过程中,保证列车安全行驶。