在大都市中，轨道交通的快速发展为居民的日常生活和工作提供了极大的便利。与此同时，由道岔引起的行车延误和安全问题日益凸显，使其安全性和可靠性备受关注。特别是，转辙机作为道岔控制系统的执行机构，其故障率呈现明显上升趋势，而传统的预防维修和事后维修，耗费资源且效率不高，不能很好地满足设备的维修保障需求。因此，为了提高轨道交通的运营效率和可靠性，需要有效地对道岔转辙机进行状态监控、故障诊断及状态预测。针对上述问题，本文提出了转辙机故障预测与健康管理技术（PHM）的总体架构，构建和验证了转辙机的功率数据采集系统，并采用支持向量机（SVM）算法对现场试验数据进行故障诊断,为转辙机的维修维护决策提供技术支撑。主要研究内容为：1、给出了S700K电动转辙机功率数据采集原理。通过对S700K电动转辙机进行故障机理和性能参数分析，选择采集电动机的三相工作电压和三相工作电流信号，通过算法拟合得到功率曲线，并将该功率信号作为S700K转辙机故障诊断和故障预测的敏感信号。2、基于虚拟仪器的功率数据采集系统的构建和验证。根据系统的设计要求，提出基于PXI和LabVIEW的数据采集系统整体框架，详细论述其硬件系统的构建和软件程序的设计。在实验室内，该采集系统通过调试与仿真，将仿真数据与理论值进行对比分析，并修正误差；在试验现场，该采集系统通过故障注入的方式进行测试验证，采集转辙机初始状态和故障情况下的电压、电流及转速信号，实现了数据的在线监测、显示和存储。3、数据挖掘方法在转辙机故障诊断中的应用。依据电动机的转速将功率曲线划分为四个区间，提取各区间的数据特征用于故障诊断，从而进一步提高诊断率。分别采用主成分分析法（PCA）和支持向量机（SVM）算法对功率数据进行特征提取和故障诊断，并计算其故障诊断率，验证了功率采集方案的可行性和故障诊断的有效性。综上所述，本文基于视情维修为核心思想的PHM技术，给出了转辙机故障预测与健康管理技术（PHM）的原理样机，包括故障机理分析、敏感参数分析、数据采集、特征提取、故障诊断等，并详细论述了功率数据采集系统构建和验证，研究结果可为转辙机PHM技术的工程应用提供有力支持。