铁路运输是我国重要的交通运输方式。随着铁路运输密度的加大,行车速度的提高,如何保证铁路运输安全问题也显得越来越重要。在车辆和轨道系统中,轮轨相对动运动速度高,动态载荷大,是最容易出现缺陷的地方。一旦车轮出现扁疤,偏心或缺陷,会产生高于正常情况下几十倍甚至上百倍的冲击力,对机乍车辆和轨道都会造成严重的破坏,因此及时发现车轮缺陷具有要重要意义。论文首先根据车辆轨道耦合模型建立了考虑车轮缺陷的车辆轨道耦合动力学方程,利用逆傅里叶变换(IFFT)算法仿真了轨道几何不平顺,并基于Newmark的预测-校正法求解了在车轮缺陷下的车辆和轨道动态响应。在此基础上,重点分析了在车轮缺陷情况下钢轨的振动信号,并利用信号处理算法提取振动信号的特征。本文提出了利用经验模态分解(EMD)算法将钢轨信号分解成为基本的模态分量。对每个基本模态分量利用数学中分形理论和高阶谱分析方法分别求分形维数和双谱图,利用灰度梯度共生矩阵提取双谱图特征。分形维数和灰度梯度共生矩阵数字特征共同组成了钢轨振动信号的特征信息。为了识别车轮缺陷,本文提出了一种利用支持向量机(SVM)的识别和估计车轮缺陷的识别算法,利用提取到的数字特征训练支持向量机,并提出了改进支持向量机的一些方法,如利用粒子群算法优化支持向量机的参数,利用GPU加速支持向量机的训练,提高分类准确率和训练速度。通过仿真实验证明,论文提出的高速列车轮对缺陷轨上感知算法可以有效识别车轮扁疤、不圆、偏心三种缺陷,总的识别率为100%,正确分类率为91.46%。