转向架是城轨车辆的核心组成部分。在列车长期服役过程中,转向架上一些关键零部件会出现性能劣化或损坏现象,这导致列车不同位置会发生剧烈振动和性能下降,严重时甚至造成列车发生脱轨和翻车等危险性事故。为了保证列车的安全运行,当关键部件的性能劣化达到一定程度时,必须对该部件进行更换。如何充分利用城轨车辆实时监测数据进行深度挖掘,已经成为城轨车辆劣化辨识与健康评估领域的一个重要课题。针对以上问题,本文首先研究了在变工况下转向架关键部件性能劣化对于整车动力学性能的影响。然后提出了基于卷积神经网络的多通道信息融合模型辨识转向架悬挂部件性能劣化的方法、基于VGG网络的轮对踏面磨损状态辨识方法。最后集成上述动力学分析和关键部件劣化辨识研究成果,开发了转向架关键部件性能劣化辨识和动力学评估软件系统。本论文研究成果主要有以下四部分:（1）研究了在变工况下转向架关键部件性能劣化对于整车动力学性能的影响。使用SIMPACK动力学软件通过更改转向架悬挂部件性能参数来模拟悬挂部部件性能劣化,速度等级设置从40km/h间隔20到120km/h共5个等级,劣化等级设置从原始值100%间隔10%到50%共6个等级,分析了二系横向减振器、二系垂向减振器和空气弹簧在不同速度、不同劣化程度下对车体临界速度、平稳性和安全性的影响;分析了轮对踏面磨损对于车体临界速度、平稳性和安全性的影响。为第三章悬挂部件和第四章轮对踏面磨损辨识提供了理论依据。（2）提出了一种基于卷积神经网络的多通道信息融合模型辨识转向架悬挂部件性能劣化的方法。该方法能够精确实现直接从振动信号到性能劣化程度的“端对端”预测,不需要人工的特征提取过程从而减轻对专家知识和经验的依赖。由于对于转向架这样复杂的系统,单一通道的振动信号存在着信息缺失、信噪比低等缺陷,为此该方法通过融合多个通道的振动信息,从而提高了模型的辨识精度,最后通过实例进行了验证。（3）提出了一种基于VGG网络的轮对踏面磨损状态辨识方法。踏面磨损工况更为复杂使得普通卷积神经网络对踏面磨损辨识精度低,借鉴VGG网络思想通过采用小卷积核和小池化核,增加卷积的层数,从而提升了网络的深度,增强了特征学习能力。最终相比于普通卷积网络提升了踏面磨损状态辨识精度,最后通过实例进行了验证。（4）开发了一套城轨车辆转向架关键部件性能劣化辨识和动力学评估软件系统。该软件系统集成了动力学分析和关键部件劣化状态辨识的研究成果,能够通过采集到的转向架振动数据来在线预测转向架关键部件性能劣化程度和分析该劣化程度下关键部件对于整车动力学性能影响。最后通过应用实例进行了验证,该软件系统能够达到初期设计效果。