随着我国高铁事业的蓬勃发展,动车组作为铁路运输的主要载体,上线数量伴随着运力需求的增长逐年增加。目前全路动车组保有量已超3000列,庞大的维修任务量与当前基于计划的预防修体制为动车组运维带来了巨大的挑战。全路迫切需要实现修程修制改革,深化动车组智能运维。动车组故障预测与健康管理(prognostics and health management,PHM)是实现动车组修程修制改革的重要手段。通过利用PHM技术,深化专业领域大数据应用,实现动车组全生命周期数据追踪与基于部件状态的视情维修,提高检修质量与检修效率,降低运维成本。模型作为PHM的重要组成成分,可直接影响到动车组PHM的实施效果。因此,本文针对动车组PHM故障模型构建和模型管理中涉及到的理论和技术开展研究,主要内容包括:第一,动车组PHM系统源数据分析研究。针对当前动车组PHM源数据现状,分别从数据体量、数据结构、数据来源等方面分析数据特点,并根据不同的数据类型对源数据进行分类,为数据处理方法及处理框架选取提供依据。第二,动车组PHM数据处理框架研究。针对动车组PHM系统业务和模型对流式数据的需求问题,结合相关大数据技术,提出一种基于Spark Streaming和Kafka的数据处理框架,实现对动车组PHM源数据的采集、清洗、转换处理,支持流式数据的在线处理,满足模型运算数据需求。第三,动车组PHM故障模型研究。基于以上研究内容,以CRH380BL动车组牵引电机为建模对象,利用PSO-BP与随机森林算法分别构建牵引电机故障预测模型和故障诊断模型,通过仿真测试验证模型的可行性,对动车组PHM故障模型研究进行了初步探索。第四,异构模型运行管理机制研究。针对动车组PHM故障模型来源广泛、结构多样、标准规范不一致、运行环境各异等特点,从模型接入、验证等方面对模型管理方法进行探讨,提出了一种基于Docker的模型封装方法,解决异构模型跨平台部署问题,支撑动车组PHM故障模型管理与应用。第五,在异构模型运行管理机制的研究基础上,构建了动车组PHM模型管理平台,设计了平台的总体架构、逻辑架构、技术架构和功能架构,并实现了相关功能。本文系统分析和介绍了动车组PHM故障模型和模型管理研究中所涉及问题的解决方法及相关技术,通过模型与系统的实现验证了本文所提方法的可行性。综上所述,通过本文的研究对支撑中国动车组PHM建设具有一定的参考价值。