【摘要】高铁站房制冷机房长期受客流峰谷、室外气象和多机联动影响，冷水机组参数随负荷变化明显，固定阈值容易把工况漂移与性能退化混在一起。本文以某大型高铁枢纽站房制冷机房为对象，围绕工况修正、健康状态评估和维护时机预测建立人工智能（Artificial Intelligence, AI）预测性维护方法。先以室外湿球温度、冷负荷率、冷冻水回水温度和设备负载率形成正常工况基准，再从基准残差中提取温差、功率、流量和振动的退化变化，随后运用自监督时序编码与制冷系统热力约束生成健康指数，并按健康水平、下降速度和持续时间给出维护触发条件。现场验证表明，工况修正后的健康指数可较早识别换热能力下降和水侧效率衰减，物理约束对季节切换阶段的误报具有抑制作用。