针对道岔设备故障频繁发生，工作人员无法准确评估和预测其健康状态的问题，研究了结合SOM-LSTM混合神经网络的道岔设备健康状态评估和预测方法。首先，根据道岔动作功率曲线的特点，分三段提取时域特征参数，利用SOM最小量化误差（自组织映射、神经网络）求解道岔转辙设备hi（IndexHealth、健康因子）。然后利用LSTM（长-短期记忆，神经网络）算法预测道岔转辙设备的后续健康系数曲线。最后，利用现场采集的数据，验证了算法的有效性。实验结果表明，SOM方法能有效跟踪道岔设备健康状态的变化规律，实现健康因素的快速准确计算。与BP神经网络（Back　Propagation，误差反向传播神经网络）和RNN神经网络（递归神经网络）相比，LSTM算法具有更好的预测效果和更高的精度，对道岔设备的健康管理具有一定的指导意义。