内容简介：城轨车辆空调系统结构复杂、运行工况多变，传统故障预测方法难以有效应对其多源耦合与动态变化的特性。提出一种基于贝叶斯网络的故障预测模型。该模型首先利用自编码器对正常运行状态下的多源传感器数据进行无监督学习，通过重构误差实现异常检测；进而结合贝叶斯网络进行故障因果推理，实现故障定位与根因追溯。实验结果表明，该模型对制冷剂泄漏、冷凝风机异常和通风机异常等典型故障的诊断准确率均超过92%，验证了其有效性与实用性，为城轨车辆空调系统的智能运维提供了可靠的技术支持。