机车作为我国铁路运输的中坚力量,承担客运、货运、调车及小运转等多种作业。自2017年以来大部分机车逐步进入高级修,维修任务量逐渐增大,机务维修作业面临着新的挑战。传统的计划修方式造成成本浪费、效率降低及潜在安全隐患增加等问题,转变机车维修方式,推动智能铁路发展迫在眉睫。通过参考国内外各类复杂装备的研究,将故障诊断与健康管理（全称为prognostics and health management,以下简称PHM）作为研究切入点,以推动机车维修方式由计划修向状态修转变。目前全路配属机车总量达20628辆,其中已建机车履历量达到19108条,建立了机车全寿命周期健康管理数据闭环,为机车PHM的研究提供了数据支撑。第一,分析数据源特点,研究和谐型机车主变压器PHM数据治理架构。从数据采集、数据类型、数据特点等维度对数据源进行分析,寻找现存数据治理方式的短板,结合大数据治理的关键技术,最终对和谐型机车主变压器PHM大数据治理架构进行研究。第二,以数据源提供的和谐型机车主变压器健康管理数据为基础,结合检修的相关要求及办法进行分析,并提取除检修要求外影响主变压器健康状态的故障因子,将二者结合作为建立故障诊断模型的特征输入,并对数据进行清洗,构建故障诊断模型可用的数据集。第三,利用已构建的数据集,建立切合实际应用的故障诊断模型。分析可知故障诊断是机器学习中的分类问题,通过对比各种分类算法的优缺点,最终选择以XGBoost算法构建和谐型机车主变压器故障诊断模型,并从机器学习算法评估与实例分析2个角度对模型的科学性和可行性进行验证。最终训练的模型精确度达到93.96%,较机务检修现行故障诊断方法81.4%的精度有显著提高。第四,明确机车检修及管理需求,设计基于PHM技术的和谐型机车主变压器故障诊断系统。充分结合主变压器检修业务流程,设计了系统的总体架构及“1+6+N”的功能架构,介绍了机车监控、数据管理、模型管理、故障信息管理、提票信息管理5个故障诊断中的典型应用场景。本文依照PHM技术的标准流程,基于目前的数据条件及现行检修方式,系统地研究了和谐型机车主变压器故障诊断方法,并设计系统验证了本文所提方法的可行性,对日后全面展开和谐型机车的PHM研究有一定参考价值。图26幅,表12个,参考文献58篇。