随着列车运行控制系统智能化的发展,对其电力系统的开关电器设备提出了更高的质量要求。铁路继电器是列车电力控制系统中重要元器件之一,其运行可靠性是列车安全运行的重要保障。铁路继电器从正常状态退化到失效状态,是一个长期过程,深入探析其退化过程中具体的运行状态变化,建立有效的运行状态识别模型,能够及时发现继电器性能退化程度,预防列车系统发生故障。本文基于数据驱动的方式对铁路继电器运行状态识别进行了研究,通过继电器电寿命试验,提取了相关性能退化参数。在采用相关性分析和重要度分析进行特征选择的基础上进行了触头退化序列表征,并建立了粒子群极限学习机识别模型对继电器不同的运行状态进行识别。首先,基于铁路继电器触头系统的基本构造及通断过程分析了其失效机理。之后按照试验要求,搭建继电器电寿命试验平台,以3RH211-2KF40型继电器作为试验对象,以Labview为上位机实现对继电器通断过程的有效控制和在线监测,并基于采集到的运行数据计算出能够表征继电器触头性能退化信息的八种特征参数。其次,为了提高运行状态识别模型的识别准确率,对提取到的八种参数进行特征选择处理。由于提取到的退化特征较多且具备非线性的特点,通过将相关性分析和重要度分析相结合来获得最优特征子集,并在此基础上,将最优特征集结合马氏距离表征继电器触头退化度序列,根据其退化趋势划分触头退化区间,分析其不同区间内和转折处的标准差验证其划分合理性为后续状态识别奠定基础。最后,研究了基于PSO-ELM识别模型的铁路继电器运行状态识别方法。通过对比不同输入特征用于同一识别模型和同一输入特征用于不同识别模型这两种情况下的识别正确率。结果表明,在铁路继电器运行状态识别研究中,采用最优特征集用于PSO-ELM分类器模型时能够有更有效的识别继电器不同运行状态。