转辙机是铁路系统中最重要的机电设备之一,存在动作频繁和工作条件复杂的特点,若出现故障会对铁路运营造成严重影响。但目前采用的维修方式多为基于经验知识的方法,基于专家或工作人员的经验判断故障类型,再进行维修,具有依赖人工以及效率低下的问题。为解决上述问题,并实现对故障的预测,以降低维修成本,保障铁路安全高效运营,本论文对转辙机的故障诊断和故障预测进行了研究。（1）转辙机工作原理的分析及数据预处理。研究转辙机正常动作功率曲线的形成原因,对8种常见故障的功率曲线进行分析。由于转辙机故障数据难以获取,使用少数合成类算法（SMOTE）解决正常数据与故障数据不平衡的问题。根据功率曲线的特点,分别从时域和频域方向对曲线进行阶段划分,每一阶段分别求取特征参数,并做降维处理。（2）故障诊断。在基于多层感知器（MLP）和基于支持向量机（SVM）的模型下分别进行故障诊断研究。结果显示基于支持向量机的方法具有更加准确、高效的优点,10折子交叉验证结果表明准确度得到了提高,具备实用性。针对未知故障问题,本论文在基于支持向量数据描述（SVDD）的方法下进行对已知和未知故障同时分类的研究。结果证明该方法的准确度较高,且不存在将未知故障误报为正常或已知故障的情况,具备实用性。（3）故障预测。利用基于模型的方法获得转辙机退化信号曲线,以此为依据进行故障预测研究。分别进行基于支持向量机（SVM）和多层感知器（MLP）下的故障预测研究,并形成对比,结果显示基于多层感知器的方法更加适用,可有效预测转辙机的退化信号发展趋势。图63幅,表16个,参考文献56篇。