随着铁路技术的迅速发展和高铁运行里程的不断增加,我国在途列车数量也逐渐增多,针对列车安全状态监管及故障诊断的研究显得越来越重要。牵引变流器系统是列车承担动能转换的重要装置,系统结构复杂且故障高发。变流器故障的发生会导致列车牵引传动系统异常从而影响整车正常运行,目前针对牵引变流器故障诊断的研究不多,所以对列车牵引变流器进行故障诊断是一个重点研究方向。然而列车牵引变流器故障场景复杂,传统诊断方法多依赖单传感器数据,不能全面包含故障特征、易受环境因素影响,导致诊断效率低下难以满足实际需求,因此本文开展基于多传感器融合的高速列车牵引变流器故障诊断技术研究,主要包括如下研究内容:（1）本文针对高速列车故障诊断技术研究现状进行了综述,并重点分析了传统诊断方法存在的问题。接着介绍了高速列车牵引变流器传感器数据特性,结合物理机理与统计学两个角度对变流器传感器数据进行特征筛选,选取了对牵引变流器故障影响较强的10个特征变量作为文章后续研究的数据基础。（2）传统的变流器故障诊断多基于单信号传感器进行,诊断结果仅能反应监测物理量的异常状态,不能全面代表部件故障特征,而且易受噪声干扰诊断效率低下。针对这些问题本文提出了基于LSTM的多故障智能诊断方案,模型自适应的学习多源变量数据特征,利用有效的数据融合策略来识别不同类型故障。诊断过程中,模型擅长提取时序数据里隐藏的长期依赖关系,可有效利用前后数据片段的时域关联特性;此外,多变量融合策略还充分考虑了不同变量间的空间关联特征,这使得输入数据的时空特性被充分挖掘。经实验测试,该方法能有效诊断变流器场景下的绝大多数故障。（3）文章将多种智能诊断方法进行深入比较,以研究不同模型各自性能优势。首先在单传感器场景下进行灵敏度验证实验,然后在多传感器场景下进行多故障诊断实验以测试不同模型的性能,并将DCNN与LSTM进行深入比对研究,分析各自特征提取过程,以及研究了不同训练集规模对各模型性能的影响程度。针对容易混淆的困难样本提出了针对性的优化诊断策略,从而提高整体实验精度。此外还在辅助变流器场景下进行可拓展性实验测试并取得了满意效果。（4）研发了高速列车网联化数据故障诊断系统,将智能诊断结果在系统端直观呈现,并结合数据可视化技术对实时传感器数据进行动态监管,此外系统还可对历史传感器数据进行管理。系统将信号实时监测、故障诊断以及数据管理相结合,为技术人员提供直观形象的列车运行状态监管服务。正文图48张,表20个,参考文献63篇。