高铁以方便快捷绿色环保的特点,成为人们出行必备的交通工具。但由于我国复杂的运行环境,高速列车运行安全也成为不可忽视的一部分。轴承是高速列车走行部至关重要的零部件,其正常工作与否直接关系着高速列车的行车安全。目前高速列车车载轴温报警机制是基于固定阈值、轴温差或过大的温升等条件来工作的,因而具有一定的局限性,没有充分考虑其他一些重要影响因素,不能对轴温的发展趋势进行预测性追踪。通过对高速列车的轴温进行预测追踪,提前掌握下一时段轴温的变化趋势,为处理轴温异常预留足够时间,对高速列车预警及调整行车策略有重要的工程价值。因此,通过对列车轴温履历数据进行分析挖掘,可以提前判别现异常温升,对轴温存在异常的轴承进行进一步跟踪预测,进而对轴承发展状态的演变进行预判,为轴温异常的处理争取更多的时间具有重要的研究意义。灰色模型对“小样本、贫信息”的系统具有预测精度高、计算效率高的独特优势,因而可以运用灰色理论对高速列车轴温进行预测。论文的主要研究内容如下:（1）建立基于GM（1,1）轴温预测模型。根据GM（1,1）模型对单调变化的轴温曲线拟合度高,灰色二次模型对凹凸变化轴温曲线拟合度较好的特点,对两个模型进行加权组合来预测轴温,并由两个模型预测值跟真值的误差来确定权重。之后鉴于加权组合的模型是单变量预测模型,构建灰色BP神经网络模型来对轴温进行预测,并对灰色模型的背景值进行PSO优化来进一步提高模型适用性。（2）建立基于灰色关联度样本优化的轴温预测模型。首先分析总结高速列车在运行区间段内轴温的变化规律,发现温度的急剧变化多发生在列车启动加速阶段,然后采用灰色关联度来分析与选取轴承温升因素,采用最小二乘回归法建立轴温预测模型。分别以不同基函数建立轴温预测模型,之后根据预测误差、环温与轴温间的温差,将基函数进行组合来对轴温进行预测,最后对模型进行实例验证。（3）研究分析高速列车轴温预警策略。列车同车同线路相对位置一致的轴承,在列车运行过程外界对其的激励是类似的,具有相近的工况参数,因而温升情况具有类似性。根据此特点,建立基于K-means聚类的异常轴温判别模型,并对现有轴温报警机制进行分析,依据构建的轴温预测模型,对高速列车轴温进行分级预警,增强轴温的可追踪可预测性,给轴温异常处理争取更多的处理时间。