轨道交通凭借着运行效率高、能源环保、舒适安全等优势得到了高速发展,成为了我国最为重要的交通运输方式之一。随着运行速度以及运输密度的提升,接触网与受电弓间的动态相互作用愈发强烈,因此对轨道交通车辆的弓网系统所提出的要求也就越来越高。列车的弓网系统作为现代电气化车辆的动力来源,一旦发生故障将直接威胁行车安全。露天架设及高速行车中复杂的条件很大程度上影响着弓网系统的平稳受流,因此保证弓网系统的稳定性,及时掌握接触网的状态的意义就越来越重要。本文对弓网系统建模,分析动力学参数对弓网系统振动响应的影响,研究受电弓振动响应与接触网状态之间的关联,为接触网故障诊断技术及日常维护工作提供了一种新思路。本文通过建立接触网-受电弓耦合动力学模型,对弓网耦合关系进行深入分析,考虑了吊弦、定位器、线夹等接触网部件在弓网模型中的重要作用,研究弓网系统在不同动力学参数下的振动特性。仿真分析了接触网模型中主要的几种动力学参数如吊弦质量、刚度与阻尼,定位器刚度、阻尼,接触线截面参数等对弓网振动动力学响应的影响,同时为后面接触网状态智能感知提供了仿真数据。通过建立的弓网垂向耦合振动模型,对受电弓框架松脱、接触网吊弦失效等常见的受电弓及接触网的故障进行了动力学仿真。分析研究不同故障类型的受电弓动力学响应特征。建立支持向量机算法对不同故障类型所对应的受电弓响应进行分类,通过提取前文中研究的常见弓网故障的动力学响应作为训练样本,通过支持向量机进行特征分类,通过机器学习达到识别响应并自动分类。在此基础上,又分别采用粒子群算法及遗传算法针对支持向量机参数进一步优化,比较两种优化算法对支持向量机算法优化结果,从而提高接触网故障分类的准确率。本文所提出的基于支持向量机的接触网故障识别方法,实现了接触线结构的两类故障诊断,将所提出的新方法应用于接触网故障识别仿真中,分析受电弓动力学响应中相应的故障特征,将故障响应中的参数特征导入改进的支持向量机算法进行分类。结果表明故障识别准确率达到83.3%且没有漏检,表明了该方法的有效性及实用性。论文研究成果实现了根据受电弓的实时动力学响应来感知接触网的状态,为实现电力机车接触网的检测提供了一种新的思路。