钢轨波磨病害是轮轨系统在轨道不平顺的激励下产生共振导致的钢轨表面损伤,或者是列车在轨道弯曲处左右车轮行程不一致以及车站附近频繁制动产生的轮轨摩擦,从而导致的钢轨表面状况的恶化。钢轨波磨的存在会导致列车运营产生一系列安全问题,因此对钢轨波磨进行实时检测、掌握其动态状况,已经成为一项紧迫的工作。工程上现有的钢轨波磨检测方法多集中在利用人工或者检轨车的方式,存在检测周期长、效率低、费用大等缺陷。国内外一些学者将研究方向放在通过基于轴箱或转向架振动加速度的方法间接检测钢轨波磨,但是却不能反映钢轨波磨对列车车体的影响。针对现有波磨检测方法存在的缺陷,本文提出一种基于列车车体振动信息的波磨检测的新方法。本文的具体研究工作如下:（1）为了得到便于分析的列车振动信息,首先研究了钢轨波磨与列车振动响应的关系。根据其响应关系确定具体的检测原理,并设计可行的波磨检测方案,确定了采样频率、检测设备等。通过该检测系统采集列车的振动加速度信号,并对信号集进行预处理,去除噪声和直流分量等干扰,进而对预处理后的信号进行频率响应预分析。（2）为了得到全面的、准确的波磨特征,从多个角度提取了波磨特征。对预处理后的信号从时域、频域、时频域及纹理特征的角度提取波磨特征。具体采用了指标分析、幅值谱、功率谱、短时傅里叶变换、小波包分解与重构、经验模态分解、灰度纹理特征等方法。并对比波磨钢轨信号和正常钢轨信号的分析结果,实现钢轨波磨特征的多角度提取。（3）在已经提取的波磨特征的基础上,分别采用贝叶斯分类器和卷积神经网络对线路中的波磨病害进行在线识别。将波磨的纹理特征作为贝叶斯分类器的识别对象;将波磨的短时傅里叶变换时频谱作为卷积神经网络的识别对象。识别结果证明了基于列车振动信息的钢轨波磨检测方法的可行性,也验证了提取的波磨特征的有效性。（4）基于PyQt5开发了面向列车振动信息的钢轨波磨识别系统,具有振动信号导入、信号预处理、波磨特征提取与波磨病害识别等功能,可以实现从原始振动信号中提取波磨特征并进行实际线路上波磨状态识别的研究目标。同时对所有功能进行封装处理,实现波磨状态信息的系统化管理。