随着高速铁路的快速发展,高铁作为城市轨道交通运输的重要纽带,列车部件上任何一个细微故障都有可能影响到高速列车的运行安全。轮对是列车运行的关键部件,在运行过程中极易磨耗,及时对其状态进行检测、镟修或更换等维修保养工作的花销占比很大。健康的轮对状态是确保列车安全稳定运行的重要条件,并且可以保持乘客的乘坐舒适度,同时延长轮轨使用寿命。因此,对轮对隐患指标值进行预测来保证轮对尺寸信息在安全使用范围内,有利于铁路管理部门及时制定有效的维修措施,提高列车的运行安全性、舒适性以及经济性。本论文的主要研究对象为动车组轮对,针对大量现场实测数据进行分析和研究。在此基础上,建立了一种用于车轮尺寸数据的自适应差分进化最小二乘反向传播神经网络(ADE-LMBP)预测模型,建立了轮对磨耗模型(包括轮缘厚度磨耗模型及轮径磨耗模型),基于磨耗模型提出单轮镟修策略优化目标,通过蒙特卡罗仿真法给出了更好的镟修策略建议。具体工作如下:首先,本文针对CRH2A型动车组所有车轮的外形参数随列车运行的变化情况进行初步的数据分析。以车轮轮径值和轮缘厚度值为预测对象,提出了ADE-LMBP优化算法,其中自适应差分进化算法(ADE)用于优化LMBP模型的初始权值和阈值。为了检验ADE-LMBP模型的预测性能,并结合动车轮对尺寸预测的需求,设计了一个单变量非线性函数的仿真实验。通过与BP神经网络、LMBP神经网络和DE-LMBP模型的预测结果相比较,验证了将ADE-LMBP预测模型应用于轮对尺寸数据上的合理性。此外,基于CRH2A型动车组大量实测数据的数值分析情况,分别建立了轮缘厚度磨耗模型和轮径磨耗模型。在单轮镟修策略优化研究中,将优化目标设置为车轮最长使用寿命和最低镟修次数,约束条件设置为车轮轮径及轮缘厚的磨耗限度,通过蒙特卡罗仿真方法给出了5种最佳镟修方案,有效延长了轮对的使用寿命。