轨道车辆门系统作为车辆的重要组成部分,其可靠性与性能状况对车辆的安全运营至关重要。在轨道车辆长期的运行过程中,由于车门系统组成结构复杂、日常开闭频繁,导致车门系统的故障率较高且零部件的磨损老化情况严重,增加了轨道车辆的管理与维护难度。随着车门远程数据采集系统的建立,基于数据驱动的智能方法逐渐成为车门系统维护管理的主要手段,但是车门系统所能获取的数据信息不一致、缺乏统一的分析处理方法,导致无法形成一种有效的信息综合利用机制。因此,如何充分利用多源异构数据实现车门故障准确诊断与运行状态评估,是当前车门系统健康管理发展亟需解决的问题。本文基于某公司的车门可测量数据,开展基于多源信息融合的车门故障诊断与健康评估技术研究。首先,总结了轨道车辆门系统的常见类型,并选择电控塞拉门系统作为研究对象,重点介绍了其组成部件、系统结构、系统功能及工作原理等。从发生故障的部件角度,阐述了车门系统的常见故障的类型及故障等级,并进行了车门典型故障的成因分析。其次,基于车门系统不同类型的监测数据,研究多源异构数据的故障特征提取。根据车门运动特点,对电机测量数据进行时域、频域分析,构建了能够反映车门状态的时频域特征集。针对门控器I/O信号应用多信号模型故障测试分析方法,将I/O量触发情况和车门状态进行对应,通过生成的车门故障依赖矩阵实现了基于I/O信号的车门故障诊断。然后,开展基于信息融合的车门亚健康融合诊断研究。在数据特征提取与分析的基础上,对电机数据特征集通过无监督聚类实现亚健康故障诊断;针对I/O信号的亚健康依赖矩阵,采用朴素贝叶斯进行推理诊断;采用基于D-S证据理论对两类数据的诊断结果进行决策层融合,融合后的诊断模型能够充分利用异类信息的互补性,弥补了单一数据诊断模型的不足之处,提高了车门亚健康诊断的可靠性与准确性。最后,基于实际运营车门的正线数据开展车门健康评估研究。通过Relief算法从电机数据的特征集中筛选出车门退化特征,应用主成分分析（Principal Component Analysis,PCA）去除退化特征中的冗余信息得到融合特征;对融合后的车门退化特征,引入模糊理论的模糊C均值聚类（Fuzzy-C-Means,FCM）和模糊综合评价法将车门的性能转化成定量的健康指标进行评估分析。应用广州地铁3号线的运行数据验证了该方法健康评估的有效性与准确性。