随着我国高速列车规模的不断扩大，其运行的安全性也越来越重要。牵引系统作为高速列车信息控制系统中的核心单元，为列车运行提供可靠的牵引力。然而，电机轴承的磨损以及各种电子器件的老化等缓变微小故障普遍存在于牵引系统中。随着时间的推移，故障程度不断加深，甚至危害系统的安全。因此，实现牵引系统缓变微小故障的诊断以及寿命预测对保障高速列车安全运行具有重要意义。本文以高速列车牵引系统为研究对象，开展缓变微小故障的诊断以及系统的剩余寿命预测技术研究，主要工作包括以下几个方面。
　　首先，介绍了牵引系统的结构组成与工作原理以及以此为基础搭建的牵引系统半物理仿真平台，详细介绍了该平台的缓变微小故障模拟方案与数据采集方法，并对故障数据进行初步处理，提取了原始数据各个变量的时域、频域特征。
　　其次，通过对微小故障数据的分析，利用主成分分析法开展对牵引系统的故障检测技术研究，验证结果表明该方法检测性能较好。之后，利用近邻成分分析法，选择有效特征，利用支持向量机(SVM)进行微小故障的诊断，提高了故障诊断的准确率。
　　然后，提出一种基于退化轨迹相似性的寿命预测方法。该方法利用基于序列结构的长短期记忆网络(LSTM-Seq2seq)提取系统的性能退化轨迹，通过将当前样本的退化轨迹与历史样本进行相似度匹配，获得当前样本的剩余寿命。验证结果表明，该方法在可以实现系统的寿命预测。然而，由于该方法过度依赖于样本库的质量，导致其鲁棒性较低。
　　最后，针对基于退化轨迹相似性的寿命预测方法无法实现系统退化趋势预测以及失效阈值难以确定等问题，提出一种基于 SVM-LSTM 的实时健康状态评估与寿命预测方法。先对系统进行微小故障检测与诊断，判断出故障类型后，开始进行寿命预测，利用长短期记忆网络对各个变量进行退化趋势预测，评估变量所属的健康状态，以健康状态结果判定失效阈值，预测系统的剩余使用寿命，提高了寿命预测的性能。