车辆门系统是轨道交通运输工具最重要的子系统之一,它作为乘客上下车的唯一通道,其健康状态直接影响列车的运行可靠性并且事关乘客的安全。在车辆运营过程中,由于车门结构复杂、开闭频繁、乘客干扰因素众多等原因,导致客室车门故障频发。通过对轨道车辆门系统的健康状态进行准确评估和预测,对提高车门系统的安全性、可靠性、降低故障率和维修成本具有重要意义。随着传感器、数据存储、通讯等技术的发展,地铁运营公司积累了丰富的车门状态监测数据,使得基于数据的方法成为研究车门系统健康评估和预测的有效手段。本文针对典型的地铁塞拉门系统,开展基于数据的车门健康评估及预测的研究工作。首先,介绍了典型的塞拉门系统结构、工作原理和数据采集系统,对现有的车门故障进行分类总结,详细讨论了突发性故障和渐发性故障的区分和其故障类型特点。针对车门系统的典型故障,结合车门的系统构成和工作原理,分析了典型故障的主要成因。其次,针对车门传动系统中丝杆润滑的性能退化问题,提出了一种基于特征融合的健康评估方法。通过提取车门驱动电机实时监测参数(包括:转角/位置、转速、电流)的时频域特征,利用Relief算法对多域高维特征进行退化特征筛选,应用主成分分析(Principal Component Analysis,PCA)消除退化特征的冗余信息,结合Kernel平滑技术构造了健康评估指标(Health Index,HI)用于反应丝杆润滑性能状态。本文利用车门台架的试验数据验证了该方法的可行性和准确性。然后,提出一种基于相似性的剩余使用寿命(Remaining Useful Life,RUL)预测方法。该方法以健康指标HI的时间序列为作为相似性评估对象,在相似性评估环节中将初始健康状态的不确定性问题转变为时间序列片段的时延问题,并提出一种基于核密度估计(Kernel Density Estimation,KDE)的密度加权算法,对相似历史时间序列的剩余寿命进行加权作为当前样本的剩余寿命。本文基于某轴承数据集验证了方法的有效性,预测性能高于现有几种代表性方法。最后,针对干扰因素众多,数据具有强不确定性的正线运营车门系统,提出了一种基于JS散度的车门系统健康评估方法。先对车门驱动电机实时监测参数进行数据空间重构,定义转速关于固定转角在不同评估单位服从的统计分布参数为随机变量,引入基于信息熵理论的JS散度(Jensen-Shannon Divergence)度量实时健康状态与参考健康状态统计分布之间的距离,并将其转化为表征车门状态的健康指标用于系统健康评估。本文应用广州5号线的正线数据验证了该方法的可行性和有效性。