我国经济高速发展使得人们对出行的需求增多,因此我国的轨道交通建设事业也得到了快速发展。但是,近年来列车高速化、重载化和轻量化发展带来的车体振动问题也日渐突显。车体振动是反映列车结构健康状况、列车振动状态和轮轨接触性能的关键参数。同时,它也是列车车身减振、乘坐舒适性评价的重要依据。因此,深入研究影响车体振动的相关参数,准确获取车体振动加速度是提高列车运行安全性、车辆设备稳定性和乘坐舒适性水平可靠性的前提。在该背景下,本文展开了以下几方面的研究:(1)轨道车辆动力学模型的搭建。通过SIMPACK软件建立轨道车辆多体动力学模型来研究结构间的耦合机理,仿真了在轨道不平顺激励下的车体振动响应。目的是为了后续车体振动耦合因素分析及建模的研究思路提供依据。(2)利用合适的数据预处理手段改进数据质量。针对五型轨检车采集的数据集存在缺失值、不同参数取值范围差异大以及样本量大的问题,采用多种插补法处理缺失值问题,利用数据归一化方法消除变量间由于量纲不同而带来的影响,根据先验知识将样本变量中的无关参数剔除实现数据降维。(3)车体振动耦合因素分析与筛选。利用Pearson相关系数、Spearman相关系数和Kendall相关系数以及最大信息系数(MIC)四种相关性研究方法,定量地挖掘车体振动加速度和其他的检测参数之间的相关关系。根据相关系数剔除低相关参数实现样本的再次降维,并且筛选出了12个影响车体水平振动的耦合因素,10个影响车体垂直振动的耦合因素,12个影响车体纵向振动的耦合因素。(4)建立车体振动加速度预测模型。利用单棵回归树算法、时序回归树算法以及袋装回归树算法分别建立了车体水平、垂直及纵向振动加速度预测模型。利用拟合度(R-squared)、平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)作为评判模型性能的指标,也作为模型参数调整的依据。(5)实验验证。车体振动耦合因素分析有效性的证明:在样本数据量减少的情况下训练的袋装回归树模型,与所有检测参数下训练的袋装回归树模型相比精度相当;验证袋装回归树算法的优势:将袋装回归树模型与多元线性回归模型、支持向量机、BP神经网络建立的车体振动加速度预测模型训练结果进行对比;验证袋装回归树模型预测效果:利用三组新数据集作为模型的验证集得到振动加速度预测值,通过作图并计算实际值与预测值的拟合度与误差,验证了袋装回归树模型具有良好的预测效果,预测精度达94%。