高速列车车轮的踏面状况直接影响着列车的运行品质,车轮多边形、车轮扁疤等踏面故障致使车轮产生高频振动,引起车辆结构零部件共振,加速了其疲劳损伤,对车辆和轨道产生了不同程度的危害并造成列车安全事故的发生。所以对车轮不圆度状态的有效监测是提高列车运行品质的根本保障,对保证列车的安全运行起着至关重要的作用。因此对车轮踏面故障能进行实时状态监测与识别,对列车的运行品质具有重要的意义。在国内外研究的基础上,本文完成的研究工作如下:（1）高速列车模型的建立和仿真数据采集。运用UM Input多体动力学软件根据车辆参数建立CRH2高速列车车辆-轨道系统动力学模型和车轮不圆度模型,然后使用UM Simulation模块进行仿真计算,采集正常车轮和存在车轮不圆度踏面故障车轮的轴箱垂向振动加速度信号,为下文的信号分析提供数据来源。（2）车轮不圆度故障条件下的轴箱振动响应特性分析和车轮不圆度类型判断。提取车轮多边形和车轮扁疤振动信号的加速度峰值,建立车轮多边形在磨耗阶数、磨耗深度和列车运行速度影响因素下与轴箱垂向振动加速度参数的关系;建立车轮扁疤在磨耗深度、扁疤长度和列车运行速度影响因素下与轴箱垂向振动加速度参数的关系。（3）运用HHT方法分别对车轮多边形和车轮扁疤的振动信号作Hilbert谱分析,根据故障频率在谱图上的分布对正常车轮、车轮多边形和车轮扁疤进行判断,正常车轮的Hilbert谱呈均匀分布,车轮多边形的Hilbert谱在横向上呈条带状分布,车轮扁疤的Hilbert谱在垂向上呈条带状分布。（4）振动信号分解和车轮不圆度识别。运用MEEMD及VMD时频分析法对车轮不圆度振动信号进行分解,根据相关系数和峭度值选取主要故障分量信息,通过Hilbert谱和边际谱确定其特征频率,由此识别出车轮多边形阶数和扁疤信息。（5）信号特征提取及车轮不圆度故障识别诊断。提取车轮多边形和车轮扁疤故障信号的峭度值和能量值作为特征向量,然后将特征向量导入由遗传算法、网格寻优法和粒子群算法分别进行参数优化的支持向量机,经过模型的训练和测试,多边形车轮的识别率都在93%左右,扁疤车轮的识别率都在97%左右。