故障预测与健康管理(Prognostic and Health Management, PHM)在航空航天等领域已具有一定的研究和应用,然而对高可靠性和安全性需求的高速动车、城轨列车、混合动力列车等领域还亟待研究。牵引变流器是以上列车的核心动力设备,绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor, IGBT)又是变流器失效率较高且最易损器件。因此本文在对变流器及其核心器件IGBT的故障模式、机理分析的基础上,提出了本文PHM技术研究路线,并分别从功率器件级IGBT的PHM技术研究、系统级可靠性建模、系统故障诊断及安全评估几个方面进行了研究。在IGBT的PHM技术方面,首先针对牵引变流器进行了主要故障模式分类及原因分析;而后针对其关键功率器件IGBT进行了故障模式、机理、影响分析(FMMEA)并提炼了对应的健康征兆参数,结合当前的PHM技术架构提出了 IGBT的PHM研究方案;在健康评估与亚安全识别方面,提出了一种基于规则的改进自组织映射(SOM)神经网络算法(NN)和识别策略以实现对IGBT的退化度评估和’亚安全’识别,并利用IGBT的老化数据对算法进行了验证;在退化趋势(剩余寿命)(RUL)预测方面,针对传统的单一算法预测精度较低的问题,提出了一种基于双高斯函数状态方程的粒子滤波(PF)预测算法,为了解决IGBT分阶段退化单一算法难以准确预测的问题,将该粒子滤波算法与灰色Verhulst模型进行组合,试验验证结果表明融合的算法可以更准确的实现IGBT的分阶段的退化趋势(剩余寿命)预测。在变流器可靠性建模和评估方面,分别从静态和动态两方面对牵引变流系统进行了可靠性建模。在静态建模方面,首先利用牵引变流系统关键器件的失效率来表征子系统的可靠性,进而通过系统级逻辑架构建立了系统级可靠性模型,而后利用仿真对比分析了不同器件失效率对系统可靠性的不同影响程度;在动态建模方面,为得到牵引变流系统的动态可靠性,建立了牵引变流系统的三状态动态马尔科夫(Markov)模型,分析得出了影响系统可靠性的关键因素和薄弱环节,并提出了在一定置信度下为保证系统高可靠性的安全策略。在变流器在线监测与故障诊断方面,以IGBT开路故障为例,为对比系统正常和故障时的输出特性并分析提取故障特征进行了 MATLAB故障仿真,为验证本文所提出的故障诊断算法的有效性,搭建了 dSPACE半实物故障模拟实验平台,对比了 LM-BP(Levenberg Marquardt-Back Propagation)神经网络算法与传统BP神经网络算法的准确性和实时性,最后设计了列车动力系的PHM技术架构和软硬件平台,开发了列车动力系在线故障诊断系统,在城轨及混合动力列车上实现了装车测试验证并进行了实际推广应用。