旅客列车制动系统采用空气制动,需要定期进行制动系统测试试验以排查相关故障保证列车制动系统安全可靠。制动系统常见故障中,安定不良故障影响最为严重且定位最为困难,实际试验中采用较多的波速法和分段查找法定位精度较低,严重影响列车试验效率。制动系统故障规律的研究需要定制实验,耗费大量人力物力,利用仿真代替部分实验可以减小实验工作量、降低实验盲目性,是目前工程中必要的技术手段。如何改进多分类方法实现故障定位是近年来的热点问题。本文将结合计算机仿真分析安定故障规律,改进多分类算法实现旅客列车制动系统的安定故障定位。本文主要工作内容如下:（1）结合气体流动理论对旅客列车104型制动机结构进行等效,借助高级建模仿真工具构建单车制动系统和18节编组方式的列车制动系统的仿真模型,进行单车试验的感度试验、安定试验和紧急制动试验仿真,进行列车试验中安定试验的仿真。仿真结果各项关键指标均与试验标准以及实车风压曲线保持一致,验证了仿真模型安全可靠。（2）为了探究安定不良故障原因并总结故障规律,本文对紧急阀内限孔Ⅲ和安定弹簧刚度参数进行对比仿真,总结安定不良故障规律并绘制限孔Ⅲ堵塞余量与弹簧刚度衰减的关系曲线,基于故障规律在列车试验仿真中模拟各节车发生安定不良故障的情况,进行1300组安定故障仿真,结合实车数据构建完整的故障数据样本,将该数据样本用于安定故障定位建模。（3）针对二叉树支持向量机中存在的误差积累问题,提出了自下而上构建分类树的结构用于减少误差积累,详细分析了误差积累产生的原因,并对类间可分性进行改进,在三分类样本中验证了该可分性测度可以稳定的衡量类间可分性。（4）针对支持向量机最优参数选择困难以及粒子群算法的早熟问题,提出了融合遗传算法的粒子群算法,将改进的粒子群算法用于支持向量机参数寻优,通过多组UCI二分类数据集验证了改进算法具有较高的效率和稳定性。（5）针对安定不良故障定位困难问题,采用多分类思想,提出了改进的最优二叉树结构的支持向量机多分类算法（Improved optimal binary tree support vector machine,IOBT SVM）,通过改进的类间可分性测度实现故障树的自动构建,结合多组风压曲线特征实现安定不良故障的高效准确定位,结合改进的粒子群算法实现分类树中支持向量机分类器的参数寻优,该算法有利于提高列车试验定位安定故障的效率和准确度。