摘要：随着城市人口的急剧增长,在解决城市交通问题中,城轨列车的作用日益显著。城轨列车运量大、速度快,其运行的可靠性、安全性对保证人们的正常出行有着重要意义。轮对作为城轨列车走行部的关键部件,其直接与钢轨接触受力,极易产生轮缘磨耗、轮径差等损伤,而车轮磨耗将导致踏面及其周向发生变化,进而使轮轨关系发生变化。为保证城轨列车的安全运行,及时掌握轮对状态并制定相应的处理措施至关重要。目前我国城轨列车轮对购买成本较高,且不当的镟修策略将加速轮对寿命的到限,增加了轮对镟修成本。因此,制定合理的镟修策略,对提高城轨列车运行安全性及降低运营成本具有重要的意义。首先,为准确获得轮对状态,本文介绍了模糊理论与安全域,在此基础上提出模糊安全域,进行轮对状态辨识,根据轮对状态特征量将轮对状态划分为低风险区、中风险区及高风险区。然后,为预测未来时刻的轮对状态,本文研究了轮对尺寸预测模型,在介绍BP神经网络、支持向量回归(SVR)基本知识以及二者预测建模的基本步骤的基础上,采用遍历法确定BP神经网络结构建立BP神经网络轮对尺寸预测模型,运用遗传算法(GA)优化支持向量回归建立GA-SVR轮对尺寸预测模型,对比分析仿真结果,证明了GA-SVR轮对尺寸预测模型的优越性及有效性。最后,为获得较优的轮对镟修计划,在轮对状态辨识和轮对尺寸预测的基础上,研究了轮对镟修策略优化。根据某一类型城轨列车轮对的检修数据,利用SPSS拟合出轮缘磨耗随轮缘厚的曲线,求解出最优轮缘厚镟修恢复阈值。由于轮对踏面几何尺寸由轮缘厚及轮径值综合确定,且受轮径差的限制,本文进行了考虑轮缘厚及轮径差的轮对镟修策略研究,并运用现场检修数据进行了分析验证。