轨道客车是一个大型、复杂的车辆工程系统,是高速铁路系统的核心组成部分,其运行状态关乎旅客的人身和财产安全。列车通信网络作为轨道客车的神经系统,在轨道客车的运行过程中扮演着重要角色,利用通信网络实现列车的实时控制与各类信息传递等功能,是保障客车安全、可靠运行的关键。在轨道客车运行过程中,列车通信网络一旦发生故障或性能退化,轻则造成网络数据丢包等系统故障,重则影响轨道客车的安全运行。因此,对通信网络系统的健康状态进行感知具有重要实际应用价值,并且对其它复杂工程系统的健康状态感知研究具有重要参考价值及意义。轨道客车通信网络健康状态感知属于故障预测与健康管理(Prognostics and Health Management,PHM)的一部分。本文在国家自然科学基金项目和吉林省科技厅重点科技研发项目的支持下,主要针对通信网络的故障诊断、健康状态评估和健康状态预测所存在的问题进行讨论与探究。通过分析常见复杂工程系统健康状态感知方法,提出利用基于半定量信息的置信规则库(BRB)模型,解决轨道客车通信网络健康状态感知中各个环节存在的问题。针对轨道客车通信网络故障诊断问题,由于轨道客车通信网络的复杂性,在建立BRB故障诊断模型时故障指标众多,过多的前提属性与参考等级会导致规则参数“组合爆炸”的问题,导致难以有效利用有限的专家先验知识建立大规模BRB模型的初始规则。为解决该问题,提出一种基于云模型自动生成大规模BRB模型初始参数的方法。该方法首先根据专家经验确定标准规则,然后利用云模型具有定性概念与定量数值之间的不确定性转换的特点生成其余规则。以轨道客车智能感知网络中无线传感器网络的节点故障诊断为例进行实验验证,结果表明所提方法能够更加充分的利用专家知识建立规则库,与其他模型相比,具有更高的诊断准确率。针对轨道客车通信网络健康状态评估问题,在深入分析影响通信网络健康状态特征量的基础上,为充分利用定量数据信息与定性专家知识,提出一种基于BRB模型的轨道客车通信网络健康状态评估模型,由此建立置信规则库,并利用ER迭代算法组合被激活的规则,最后使用结果置信度量化通信网络的健康状态。以轨道客车通信网络MVB总线的故障仿真建立数据集,通过实验验证了所提方法的合理性。针对轨道客车通信网络健康状态预测问题,提出一种Improved CBRB模型对轨道客车通信网络健康状态进行预测。该方法利用云模型代替BRB预测模型结论参考等级的方法,使得模型处理不确定性信息的能力得到进一步加强;同时,针对原CBRB预测模型中匹配度计算不合理之处进行改进,进一步提高了模型的预测精度。最后利用健康状态评估所得结果作为训练与测试数据,通过实验证明了所提方法的有效性。