随着轨道交通的快速发展,轨道车辆的故障和安全隐患也不断增加。较常见的故障有轨道车辆的弹簧和阻尼故障。因为这些故障具有周期性,随意性,所以以弹簧和阻尼的故障作为轨道车辆动力学建模和算法理论研究的中心建立相应的动力学模型,并在动力学模型上设置故障,建立安全预警故障模型。基于模型产生的数据对轨道车辆悬挂系统的弹簧和阻尼的故障特征进行了研究,并对统计特征值进行了优选。对故障的诊断的部分算法进行了研究,并基于遗传算法对其中的神经网络算法进行了改进。本文第一步是利用Matlab的Simulink建立轨道车辆安全预警的动力学模型和故障模型。针对轨道车辆走行部的悬挂装置,设置不同级别的故障。建立轨道车辆悬挂系统的轻微故障,中度故障,严重故障以及断裂故障的安全预警动力学模型。选取美国六级轨道谱反演的位移谱作为动力学模型和故障模型的输入,进行仿真实验。第二步是根据模型产生的数据,提取故障特征的统计参数。应用无量纲的统计分析方法、有量纲的统计方法对故障的特征进行提取。在后期在故障特征的选取上应用了故障特征相对对比和自对比的概念。第三步是建立轨道车辆悬挂系统故障统计特征值的筛选评价指标。评价故障特征在故障前后的差异。第四步研究了聚类算法、神经网络算法、遗传算法。在悬挂系统的故障诊断中应用了神经网络算法和经过遗传算法改进的神经网络算法。最后通过实验台验证筛选后的故障特征的应用以及经过遗传算法改进的神经网络算法在实验台上对设置故障判断的正确率。文中对部分安全预警、故障诊断算法的理论进行研究。于此同时提出了基于遗传算法对神经网络算法初始权值和阈值优化的方案。最后利用现有的实验台对统计特征参数优选的方案和基于遗传算法优化的神经网络算法进行验证。仿真和实验台结果表明筛选特征和改进算法都可以提高轨道车辆悬挂系统故障识别的正确率。