转辙机是铁路信号设备室外三大件之一。随着我国铁路网的不断扩大,列车运行速度的不断加快,转辙机能否进行正常工作直接影响着列车的运行效率。更重要的是,转辙机一旦发生故障,有可能造成脱轨事故以致人员伤亡。因此,需要对转辙机的健康状态进行判断,从而及时采取措施避免故障的发生。但目前,针对转辙机的故障的预防主要由工作人员定期对转辙机进行检修,维护工作量大,而且有“过维修”的隐患。针对以上问题,本文提出一种基于HMM模型的转辙机故障及剩余寿命预测方法。主要内容如下:(1)根据退化状态识别的特征提取要求,提出了一种多方位的退化特征空间构建方法。分别从时域、值域、小波分解、EMD分解和信息熵角度对原始功率曲线进行特征提取。(2)使用单调性、趋势性、鲁棒性和预测性四个退化指标对原始退化特征进行评估与选择。针对选择后特征仍然存在冗余的问题,用t-SNE方法对选择特征进行降维。(3)针对退化状态分割过程复杂的问题,结合t-SNE降维特点,提出了一种基于谱聚类的退化状态自动识别方法,并且结合CH指标及聚类结果在时间轴的分布情况,自动确定退化状态数目。(4)提出了一种基于CHMM的转辙机故障预测模型。根据退化特征处理过程,对转辙机故障数据及正常数据进行特征提取、选择与降维,构建基于CHMM的转辙机故障诊断模型,结合退化状态的识别结果得到的严重退化状态,对转辙机将要出现的故障类别进行预测。使用ZYJ7型电液转辙机对预测模型进行了验证。(5)针对传统HMM模型不具备显式状态驻留时间问题,将CHSMM模型运用到转辙机剩余寿命的预测研究中,对每种退化状态的剩余寿命区间进行计算,为转辙机的养护维修方案提供参考。