本书结合高速列车状态监测系统的监测数据，使用深度神经网络相关理论与方法，构建基于图结构的高速列车转向架系统状态预测模型与故障诊断模型。本书基于GGC方法实现了高速列车图结构特征表示GGC方法以传感器测点作为图结构的节点，基于GCG的高速列车转向架状态短时预测方法GCG方法利用GRU模型提取列车转向架的时间特征；基于GA-GRGAT的高速列车转向架状态长时预测方法GA-GRGAT模型使用GAT模型提取转向架有向图的空间特征，将GAT模型嵌入GRU模型提取转向架系统的时间特征，采用注意力机制和Seq2Seq架构降低多步预测产生的累计误差，使用GAN模型构建时间条件序列对历史列车转向架状态信息进行融合；基于AttGGCN的高速列车转向架无向图多传感器故障诊断方法AttGGCN模型使用GCG框架融合列车转向架的时空特征；基于RS-GAT的高速列车转向架有向图多传感器故障诊断方法RS-GAT模型使用了RS-Net框架，将RS-Net中的卷积层替换为GAT操作，使用6层GAT残差单元对列车转向架数据进行深层故障特征提取。

满洁，女，1994年11月生，硕士生导师。武汉理工大学智能交通系统研究中心助理研究员。长期从事轨道交通主动安全保障领域的研究工作，对高速列车设备设施的安全保障基础理论有深入的理解，并对多源数据挖掘、深度神经网络、诊断模型算法等相关知识有扎实的基础。在轨道交通、机械诊断、人工智能等相关领域期刊和会议上发表论文二十余篇，其中SCI论文12篇。,董宏辉，男，1978年4月生，博士生导师。北京交通大学交通运输学院、北京交通大学轨道交通控制与安全国家重点实验室教授。主要研究方向为智能交通系统研发、交通大数据分析与挖掘理论研究与技术。授权国家发明专利20余项，发表论文100余篇，国家科技进步奖二等奖1项，教育部科学技术发明奖一等奖1项，国际发明金奖2项。