随着我国高速铁路的快速发展,目前,高速动车组已经对我国经济的发展做出了巨大贡献。牵引电机作为动车组的核心部件之一,它的运行状态直接影响到整个列车的行车安全。牵引电机本身结构复杂,它是由多个组件组成的复杂系统,传统的“事后维修”和“计划维修”方法,只有在故障发生以后,才会采取相应的检修方法。PHM是故障预测与健康管理技术,能够及时对故障发生的部位进行定位。我国现有动车组牵引电机的维修策略仍然是“计划维修”,对牵引电机的故障处理不及时,因此开展牵引电机的故障诊断具有重要的意义。在本文中以CRH2型动车组为例,对牵引电机的故障机理进行研究。对PHM预测的模型分类和预测的一般过程和方法进行分析,同时结合牵引电机的故障和数据,将PHM与牵引电机的故障诊断进行融合,找出牵引电机的机械故障与它们运行时的温度数据之间的关系,建立诊断模型。具体的研究工作有以下几点：(1)研究牵引电机的数据获取技术,完成动车组车地数据传输系统的开发,包括采集模块和无线传输模块,并对采集到的数据进行挖掘,对数据进行预处理,找出数据之间的关联性,并使用获取的数据对提出的模型进行训练,得到贝叶斯网络模型。(2)重点研究了牵引电机的故障诊断模型的构建。提出利用贝叶斯网络方法的学习能力及其强大的概率评估机制实现牵引电机故障诊断方法。首先基于专家知识建立了初始的贝叶斯网络结构,然后针对贝叶斯网络中的结构不完整和隐藏变量,提出了改进的结构化EM(SEM)算法,对贝叶斯网络的结构和参数进行学习,建立了完善的贝叶斯网络结构。最后结合获取到的牵引电机数据,尤其是针对温度数据,对牵引电机的轴承和定子故障进行诊断。仿真结果表明,本文提出的算法可以有效的估计牵引电机轴承、定子故障与温度之间的关系,并能通过温度数据成功诊断电机的故障。