中低速磁浮列车作为一种新型的城市轨道交通工具,越来越得到公众的关注和认可。北京和长沙已建立示范线并开通运营,广东清远和湖南凤凰也正在建设中低速磁浮旅游线。悬浮系统作为中低速磁浮列车的关键系统之一,其安全性和可靠性对中低速磁浮列车的运行具有十分重要的影响。其中,故障预测与健康管理（Prognostic and Health Management,PHM）技术作为一种提高系统运行安全的有效手段,受到了学术界和工业界的广泛关注和研究。因此,为提高中低速磁浮列车悬浮系统的安全性和可靠性,研究悬浮系统的PHM技术具有十分重要的意义。本文以中低速磁浮列车悬浮系统为对象,基于车载PHM系统和地面PHM系统开展PHM关键技术研究。在车载PHM系统层面,建立了基于超球体高斯分布的单维时间序列异常检测模型和基于改进的典型相关分析（Canonical Correlation Analysis,CCA）的多维时间序列异常检测模型;研究了一种基于自相关长度和稳定核描述（Stable Kernel Representation,SKR）的故障检测方法。在地面PHM系统层面,考虑到多运行工况（如载荷、速度、轨道等变化）会引起序列趋势不明显,提出了一种基于标准核心状态和信息融合的健康评估方法;针对传统相似性寿命预测方法中相似度函数和权重函数存在的不足,研究了一种基于动态时间规整（Dynamic Time Warping,DTW）和核概率密度估计（Kernel Density Estimator,KDE）的悬浮系统剩余寿命预测方法。论文的主要成果和创新如下:（1）针对异常检测中数据非平衡的问题,利用悬浮间隙的监测数据,提出了一种基于超球体高斯分布的单维时间序列异常检测方法。利用快速沃尔什变换（Fast Walsh-Hadamard Transform,FWHT）提取正常情况下悬浮间隙的特征;而后,采用标准化处理和主成分分析（Principal Component Analysis,PCA）处理特征的差异性、相关性和高维等问题,使特征的分布空间转化成近似超球体;最后,根据欧氏距离的分布特点确定异常阈值,并建立异常检测模型。运营线数据验证表明,与基于经验阈值、基于PCA和基于支持向量数据域描述（Support Vector Data Description,SVDD）的方法相比,所提出的方法在检测率方面更有优越性。（2）在单维时间序列异常检测方法的基础上,利用悬浮系统的多类监测数据,提出了一种基于改进的CCA的多维时间序列异常检测方法。通过CCA处理悬浮系统的间隙、电流、加速度、电压和速度等多维数据来获得二次统计量（非高斯分布）;在此基础上,使用Box-Cox变换将二次统计量转换为高斯分布变量,而后,利用高斯分布的特点来确定异常阈值。运营线数据验证了该方法能获得较好的阈值,且与基于K-medoids的方法和基于SVDD的方法相比,该方法能获得更高的检测率。（3）针对悬浮系统中电磁铁等部件无法实现自诊断的问题,研究了一种基于自相关长度和SKR的故障检测方法。首先通过自相关长度确定用于SKR的数据长度,进而,根据SKR获得残差生成器并设置残差阈值。实验结果表明,所研究的方法能实时并有效地检测悬浮控制箱的故障,仿真结果表明,所研究的方法能实时并有效地检测电磁铁的故障。（4）针对多运行工况（如载荷、速度、轨道类型等变化）引起序列趋势不明显的问题,提出了一种基于标准核心状态和信息融合的健康评估方法。首先通过引入核心状态概念,采用K-means对运行工况进行聚类并获得核心状态;而后,通过分析不同核心状态对估计健康指标（Health Index,HI）的影响,利用标准化处理将不同核心状态下的序列转换到标准核心状态下的序列;进而,根据序列的单调性选取退化趋势明显的序列;最后,根据序列的贡献率,利用线性回归模型获得序列与HI的映射关系,以此获得估计的HI。仿真结果和实验结果表明该方法获得的HI与真实的HI很相近,具有实用价值。（5）针对在传统相似性寿命预测方法中基于欧氏距离的相似度函数没有考虑到相对点间的先后顺序和基于加权平均和的预测方法在可用训练样本较少时会产生较大误差的问题,研究了一种基于DTW和KDE的悬浮系统剩余寿命预测方法。采用基于DTW距离的指数相似度函数计算所有训练样本HI与测试样本HI的相似度;进而,基于相似度高的前p个训练样本的剩余寿命,使用KDE获得测试样本的剩余寿命概率分布并估计其剩余寿命。仿真结果和实验结果表明该方法不仅在训练样本较少时能获得较好的预测结果,还有利于维护人员对悬浮系统进行预测性维护。论文面向中低速磁浮运营线的实际工程需求,对悬浮系统PHM中异常检测、故障检测、健康评估和寿命预测四个方面进行了深入地研究,研究结果可为中低速磁浮运营线智能运维提供技术支撑,并可推广应用到高速磁浮列车的智能运维,具有重要的参考价值。