铁路红外轴温探测系统是防止列车燃轴、切轴事故发生的重要设备。随着我国铁路系统不断升级、提速，对轴温实时监测技术也提出了更高更严的要求。由于各种因素的影响，轴温探测系统在热轴兑现率方面仍然不够理想。热轴兑现率除了与现场的探头采集有关，还与探测站计算机系统对轴温数据的处理和识别算法有关。本文的重点工作是对线阵式红外探头采集的轴温数据进行处理,识别车轴温升状态，达到提高热轴兑现率的目的。课题研究的三个方面为：多点探测数据融合处理技术研究、基于人工智能判定车轴温升状态处理技术研究和数据挖掘技术在轴温数据分析上的初步探索。具体研究工作如下：1.介绍研究课题的背景和意义，红外轴温探测技术的研究现状和发展趋势，并对已完成的线阵式红外轴温探测系统进行概述。2.轴温波形的研究，通过研究轴温波形特征与形式，设计了轴温数据模型，确定轴温数据的处理技术流程。3.轴温数据融合的研究，根据研究目标以及轴温数据特点，设计多探测器轴温数据融合处理模型，重点研究了Bayes估计与模糊贴近度理论在模型中应用，用于提高数据融合准确度和效率，最后对多探测器轴温数据融合处理模型进行可行性验证，确定数据融合模型。4.对判别模型与方法研究，根据研究目标以及热轴形成原因，研究车轴温升判定参数的选取，对变步长BP神经网络算法进行改进，对D-S证据理论进行研究，重点设计改进型变步长BP神经网络与D-S证据理论判别模型，目的是提高热轴兑现率和判别效率，根据应用结论确定了判别模型与方法。5.轴温数据挖掘的初步研究，设计轴温数据挖掘模型，挖掘轴温温升、同辆比、同列比三属性间关系，用于轴温数据的预测与分类工作，这为下一步的更深层次的数据挖掘与分析打下基础。