本文主要研究了基于粒子滤波的城轨车辆状态监测方法，包括粒子滤波，卡尔曼滤波，参数估计算法。分析了基于粒子滤波状态估计的系统状态监测方法的缺陷，以及基于普通参数估计算法的系统状态监测方法的缺陷。针对这些缺陷，提出了再次均匀采样策略，将其应用于车辆系统状态监测，从而为城轨车辆状态监测提供了一种理论和方法。本文的主要内容如下。(1)本文首先介绍了粒子滤波算法的现状和历史，逐步过渡到粒子滤波的应用领域，重点阐述了粒子滤波算法在状态监测和故障诊断领域的应用。然后分析了粒子滤波的基本原理，包括蒙特卡罗方法以及贝叶斯滤波，标准粒子滤波算法以及重要性重采样粒子滤波算法。最后，分析了基于粒子滤波状态估计的系统状态监测方法，仿真结果表明该方法能够监测系统是否发生故障，但是无法判定系统具体的故障部位。(2)研究了基于粒子滤波和卡尔曼滤波的参数估计算法，基于扩展卡尔曼滤波的参数估计算法。仿真结果表明，基于扩展卡尔曼滤波的参数估计算法对初始值的依赖性较高，如果选取的初始值不合适，将无法准确地进行参数估计；基于粒子滤波和卡尔曼滤波的参数估计算法对初始值没有要求，可以很准确地完成参数估计；基于粒子滤波参数估计的系统状态监测方法不仅能够监测到系统故障，还能监测到与故障有关的参数变化，从而确定系统的故障部位。(3)研究了城轨车辆系统的动力学模型。首先建立了车辆系统的横向动力学方程以及垂向动力学振动方程，并且将时域连续的动力学振动方程离散化，得到了车辆系统的横向动态空间模型以及垂向动态空间模型。在基于粒子滤波和卡尔曼滤波的参数估计算法中，引入再次均匀采样的改进策略，结合车辆系统的横向动态空间模型以及垂向动态空间模型，提出一种基于改进策略参数估计的车辆系统状态监测方法。仿真结果表明，引入再次均匀采样的改进策略，在车辆系统突发故障或老化故障情况下，可以有效地监测车辆系统的参数变化，进而确定车辆系统的故障部位，这克服了普通参数估计算法无法对车辆系统突发故障进行监测的缺陷。