随着本国铁路事业的飞速发展,列车的运行速度越来越快,货运列车的运行也呈现出高速重载的发展趋势,然而传统的停车静态检测因为受到列检人员自身不确定因素的影响进而导致列检效率很低,这就与货运列车高速发展对安全性的要求相矛盾。为解决这一问题,我国自主研发了货车运行故障动态检测系统(TFDS),这个系统相较于传统的列检方式在列检效率以及列检质量方面都有很大的提高。但是这个系统目前的工作模式仍然需要人工参与识别。本文旨在采用机器视觉理论,推进TFDS故障识别向“机控”工作模式转变。本文以TFDS的挡键丢失、截断塞门手把关闭这两个典型故障为研究背景,以机器视觉理论为基础,设计并实现故障的自动识别。针对挡键丢失故障,设计一种基于Hough变换的挡键丢失故障识别方法。该方法根据转向架固有的几何结构特点,利用轮轴、端点和挡键之间的几何位置关系建立一个数学模型,解决了因转向架结构而导致数学模型不适用的问题。采用鉴别相对梯度直方图特征提取与分类方法进行故障识别,解决了因光照原因而给故障识别带来影响的问题。针对截断塞门手把关闭故障,设计一种基于先验知识结合几何模型辅助定位的截断塞门手把关闭故障识别方法。该方法根据塞门与手把之间的几何位置关系以及相应的先验知识建立一个数学模型,解决了手把检测区域快速标定的问题。采用目标面积比结合计算排除后连通区域个数的方法进行故障识别,解决了因图像分割阈值而导致分割效果不好的问题。最后,本文对这两个故障识别算法进行实际的测试,统计并分析测试的结果,测试结果表明了算法的可靠性。