我国高速铁路快速发展,高速动车组与日常生活的关系也是越来越密切,由于高速动车组的速度快,受天气影响小,越来越多的人选择乘坐动车组出行,但是高速动车组的疲劳可靠性问题在一定程度上阻碍了我国高速铁路的发展。建立符合中国运用条件的中国标准动车组载荷谱是高速动车组关键部件可靠性设计和疲劳强度评价的关键,识别高速动车组的运用工况是大规模分析不同工况下的载荷谱特性的前提。本文对中国中车集团青岛四方机车车辆股份有限公司研制的中国标准动车组的动应力、载荷信号进行分析,主要的研究工作及结论有以下三点:(1)对中国标准动车组进行线路测试,采集车体和转向架构架的动应力、载荷、加速度和陀螺仪信号,对信号进行前处理,包括未调平衡处理、去除信号零点漂移、剔除异常信号和滤波处理,再对信号进行小波阈值去噪,选出去噪效果最优的小波基函数和阈值获取函数组合,去掉信号大部分的随机噪声。(2)选择时频联合分析的信号处理方法可以更多的表示出信号的细节特征,使用小波包分解、连续小波变换和Hilbert-Huang变换,提出了五种信号特征提取的方法。针对道岔、制动、交会、隧道和速度级这五种工况,分别选取出对以上工况响应明显的测点信号,再使用一种或者多种适合的特征提取方法,表示出每种工况的特征。使用三向陀螺仪的信号,通过信号的时域特征识别出曲线的曲线半径、缓和曲线长度和曲线超高值,识别误差基本保持在15%以下,可以满足工程应用的要求。(3)根据提取出的特征,构建出每种工况的特征向量,作为神经网络的输入,选择BP神经网络分别对每种工况进行识别。选用粒子群算法(PSO)优化BP神经网络,消除网络随机生成初始阈值和权值的影响,避免网络的训练陷入局部极小值,可提高识别正确率。优化之后道岔、制动、交会、隧道这四种工况的识别正确率都是在85%以上,可以满足工程应用的要求。速度级的识别正确率偏低,特征提取方法还有待改进。