随着科技的进步与电能的发展,越来越多的旧铁路升级为电气化铁路,由牵引供电系统提供高压电能,其中最为关键的设备便是接触网。接触网是电气化铁路所特有的一种供电线路,其结构组成、工作方式都非常复杂,通常沿铁轨上空架设,露天布置,且容易受到机车受电弓的高速冲击,已成为牵引供电系统中薄弱环节,一旦发生故障,将直接导致弓网之间电流电压传输中断,导致列车晚点或者停运,严重情况下甚至会发生重大事故。因此,对电气化铁路接触网进行状态感知、故障识别与性能退化识别研究,确保铁路运输正常高效运行,具有十分重要的社会意义。本文以电气化铁路接触网系统为主要研究对象,重点运用基于数据驱动的方法,针对当前接触网存在的状态感知体系不够完善、存在由单一参数引发的故障以及由多参数共同作用导致接触网性能退化等问题,完成以下工作:（1）概述我国电气化铁路接触网故障识别与状态感知的研究现状。在广泛阅读国内外文献的基础上,首先分析接触网故障识别与状态感知的研究背景与意义,然后重点回顾接触网故障识别与状态感知的研究概况,最后阐述本文的主要研究内容与全文工作安排。（2）回顾总结电气化铁路接触网故障识别与状态感知的基本方法。首先总结接触网的基本组成结构与常见故障,对接触网产生一个较为清晰的认识;接着,阐述接触网故障识别的方法,并分别从基于统计学的方法、基于图像视觉技术的方法以及基于机器学习的方法三类描述接触网故障识别过程;最后,阐述接触网状态感知方法,给出当前接触网状态感知研究中常用的几种方法及其原理或特点。（3）提出一种基于正态模糊物元与博弈论赋权的接触网状态感知方法。针对当前接触网状态感知体系包含的指标不完整、各指标赋权方式存在较多人为因素等问题,提出了一种采用博弈论赋予主客观权重系数与正态模糊物元的接触网状态感知方法。该方法首先构建一个包含接触网安全指标、接触线平顺性指标、弓网受流性能指标、天气指标以及历史运行情况的状态感知体系;然后,对定量型指标分别采用熵权法与PSO-AHP法求解主客观权重,并使用博弈论赋予权重系数,对定性型指标采用PSO-AHP法求解权重;最后,针对最大关联度原则失效的情况,改用加权平均关联度原则进行改进,确定最终的接触网状态感知等级。结果表明,本文提出的状态感知体系更加科学合理,能够准确感知出接触网的状态。（4）提出一种基于动态协同改进PSO-ELM的接触网故障识别方法。针对当前接触网参数较多,而这些参数又不可避免会发生故障,且当前我国接触网故障检测方式落后、故障检测时间较长等问题,提出一种以智能算法为基础,利用接触网有监督学习数据,构建一种基于DCUSPSO-ELM的接触网故障识别方法。该方法首先选取接触网中常见的几种典型参数故障数据与正常数据,并完成各类别的指标设计;接着,构建采用动态协同更新策略改进的PSO-ELM故障识别模型;最后,将数据划分为训练样本与测试样本,完成接触网故障识别研究工作。（5）提出一种基于GG聚类与改进SVDD的接触网性能退化识别方法。针对目前存在的接触网检测数据利用率不高,由多种参数共同作用引起接触网性能退化的研究不完善,且大部分数据为无监督学习数据、不利于研究分析等问题,提出一种基于GG聚类与PSO算法优化改进后的支持向量数据描述模型（GG-PSO-ISVDD）的接触网性能退化识别方法,该方法首先选取半监督学习数据,用TSNE降维方法进行降维,并采用GG聚类对其中的无标签样本聚类,得到最佳聚类数目;接着,使用有标签数据构建包含尽可能多正常数据、尽可能少异常数据,且建立的超球体模型半径尽可能小的PSO优化ISVDD接触网性能退化模型;最后,计算聚类得到的各样本数据与超球体球心的距离,比较距离与半径的大小,完成接触网性能退化程度的确定。结果表明,本文提出的方法能够较准确判断接触网性能退化情况,为接触网性能退化识别研究提供了有力的参考。