S700K型电动转辙机作为我国铁路信号系统应用十分广泛的基础设备之一,对于保证行车安全与提高运输效率都起到举足轻重的作用。长期以来,铁路电务部门沿用的“故障修”与“定时修”难以满足铁路线路向高速、重载、高密的发展需求。转辙机常年处在室外复杂环境,机械故障发生带有明显的模糊性和随机性的特点。伴随着ITS(Intelligent Transportation System,智能交通系统)的发展,本文通过引入PHM(Prognostics&Health Management,故障预测与健康管理)技术实现对转辙机故障预测与健康状态评估的研究。首先,全面的分析了S700K型转辙机的结构、功能和系统的动作过程。详细获悉了故障特点、模式和特征参数的变化,为PHM技术的分析奠定了基础。一方面,鉴于转辙机存在结构复杂性及工作环境相对恶劣,机械故障率高的特点,本文主要对机械故障展开分析研究。选择了对其全生命周期状态描述较好的HSMM(Hidden Semi-Markov Model,隐半马尔科夫)模型进行过程建模。鉴于HSMM模型在实际参数估计过程中存在易陷入局部最优的缺点,为提高模型的预测精度,本文选择改进PSO(Particle Swarm Optimization,粒子群)算法实现HSMM模型的优化。分别引入了D-PSO算法和SA-CPSO算法。通过适应度测试,最终建立了SA-CPSO优化HSMM的转辙机PHM模型,进行设备状态评估与寿命预测。另一方面,鉴于转辙机故障发生的模糊性与随机性的特点,难以进行精确系统建模,本文结合转辙机全生命周期健康状态退化过程建立设备的劣化模型。同时,引入模糊理论,联合9标度AHP(Analytic Hierarchy Process,层次分析法)和熵权法建立转辙机健康状态的主客观综合评判体系。最后,分别通过模型仿真验证了本文方法的有效性。本文旨在为铁路信号设备智能运维提供新思路。