走行系是轨道交通车辆的关键组成部件之一,不仅承担着整车的重量还保障列车在轨道上的正常运行。车轮作为走行系的重要零件,其服役状态是影响列车安全运营的关键因素之一,因此对走行系车轮进行实时在线监测意义重大。目前,车轮服役状态监测主要以人工静态检测为主,鉴于此,本文在总结前人研究的基础上,提出了基于安全域的轨道车辆车轮服役状态评估方法,本文的主要工作内容如下：首先,对轨道车辆走行系的组成及其作用进行介绍,着重介绍了车轮的主要故障及其形成机理,确定了采用钢轨振动加速度信号对车轮服役状态进行评估,同时介绍了安全域估计的相关理论及基本方法。其次,建立了车辆-轨道垂向耦合系统动力学模型,主要包括车辆系统、轨道系统及轮轨垂向耦合关系,并以车轮扁疤、车轮不圆、轨道不平顺等作为模型输入激励,仿真得到钢轨的振动信号输出。然后,针对只有正常钢轨振动信号的条件下,提出了基于EMD广义能量的车轮服役状态评估方法。该方法对钢轨振动信号进行经验模态分解,选取出有效本征模函数分量并赋予权重系数,以此求出各分量的能量加权和作为该信号的EMD广义能量值,从而确定出正常车轮的EMD广义能量安全域边界,实现正常车轮与故障车轮的划分。最后,研究了基于最小二乘支持向量机的车轮服役状态安全域估计和基于概率神经网络的车轮故障诊断。区别于仅采用正常车轮的钢轨振动信号进行安全域划分,该方法提取出包括正常车轮和故障车轮的多个特征值,采用最小二乘支持向量分类器实现了正常车轮与故障车轮的划分,并采用概率神经网络实现了车轮不同故障模式的识别。仿真数据和现场实际数据验证了所提方法能够精确地划分出正常与故障车轮,并识别出车轮的故障模式。