列车在线路上高速行驶时的安全问题,是当今铁路运输飞速发展状况下急需妥善解决的重要问题,其中线路的水平状态不良是诱发列车侧滚的主要因素。在直线线路上,水平状态不良表现为左右两侧钢轨不是处于一个水平面上,而在曲线线路上,由于惯性离心力的作用,在行驶过程中列车将被推到轨道外股一侧,急剧增加了外轨承受的侧向压力,所以通常需设置曲线超高,即将曲线段的外侧钢轨适当抬高,利用列车自重产生一个向心的重力分量以此抵消火车的离心力。此时,水平状态不良既可表现为过超高或欠超高,也可表现为超高的不均匀变化。水平状态的测量精度是列车平稳运行尤为重要的评测参数,现今工务段都是运用数字化轨道检查仪(以下简称:轨检仪)进行水平状态的测量。随着轨道调轨已规模化地采用了0.5mm的垫板,意味着对水平测量精度的要求也随之提高。本文正是围绕如何提升轨检仪水平状态测量精度展开的。以水平测量的原理作为切入点,详细阐述水平的测量和计算过程,并围绕如何从改善安装、环境温度等因素的角度提高水平测量精度展开研究。实际测量中,不但存在着诸如安装面误差、横轴误差等机械层面的误差,还存在由环境温度变化引起的误差。在全面分析了机械误差之后,将重点研究倾角传感器的温度补偿。为了更好地了解倾角传感器的温度特性,设计了一套倾角传感器温度特性测试系统。搭建了一个可以一次性测试多个倾角传感器的批次试验型高低温试验台,并将试该验台稳定放置在高低温试验箱中进行恒温、变温试验。其中,试验台的倾斜角度可调,同时高低温试验箱的温度可调可控,因此,可以测试倾角传感器在不同倾斜角度下输出随温度变化的规律和特性。测试系统的电子与软件部分完成各被测倾角传感器的输出信号调理、AD采集,并通过标度变换算法转换成角度值。对多传感器、多轮次测量数据进行分析,可知倾角传感器的温度特性是非线性的,普通的线性补偿难以达到轨检仪水平测量精度的要求。为此,利用matlab的神经网络工具箱,组建了径向基函数(RBF)神经网络温度补偿模型,该温补模型可以更好地逼近倾角传感器的温度特性。把采集到的120组倾角数据作为样本,其中温度和传感器的输出作为模型的两个输入神经元,传感器实际的倾角作为模型的输出。补偿后的结果能够满足铁路部门对轨检仪水平测量精度的要求。在对温度补偿模型的补偿结果进行验证后,为轨道检查仪上的倾角传感器设计了一套遴选标准,可以批量的选出温度特性良好、温度补偿效果能达到精度要求的倾角传感器,以更好地提高水平测量的准确性。