近年来随着我国高速铁路动车组的大规模投入使用,动车组监测数据也不断的增长。如何充分的利用这些监测对动车组设备建立主动运维服务系统,进而有效的支持动车组在运维与维护方面的管理已经成为动车组管理领域的研究重点。本文着重对主动运维服务系统的状态监测和故障诊断技术进行了研究,设计实现了以PSOM-SVM (Parallel Self-Organizing Maps&Support Vector Machines)算法为核心的动车组牵引电机状态监测和故障诊断系统。针对传统的SVM算法具有对大样本训练效果差,收敛速度较慢等不足,本文通过SOM算法和SVM算法结合使用,初步解决了大样本和脏数据样本的训练问题。通过对算法的并行化改进,进一步提高了算法的性能,很好的解决了大样本训练时间长的问题。本文的具体工作如下：(1)介绍了SVM算法和SOM算法的理论基础；分析研究SVM改进算法；探讨SVM算法在本系统中的不足之处；设计SOM-SVM算法步骤初步解决大样本数据和脏数据训练问题。引入并行化改进SOM-SVM算法,并从数学角度和试验角度证明并行化的可行性,有效的提高了算法的效率。(2)阐述了动车组主动运维服务的基本特点,着重介绍了动车组牵引电机状态监测和故障诊断系统的逻辑设计,模块设计。将PSOM-SVM算法应用于该系统中,并通过设计实验选择SVM算法的核函数和相关参数。阐述了系统实现过程中的数据预处理工作和PSOM-SVM算法训练过程。最后以CRH2型动车牵引电机为例,展示了PSOM-SVM算法在状态监测和故障诊断系统中的效果,实验证明,该系统状态定位准确,故障诊断效果良好。