高速列车是一个复杂的非线性系统,在运行过程中车辆受轮对踏面磨损、轨道激励和车辆悬挂参数改变等影响,车辆系统的极限环分岔会发生改变,进而影响车辆的运行状态（即稳定、小幅蛇行失稳和大幅蛇行失稳3种状态）。车辆的蛇行失稳（小幅蛇行失稳或大幅蛇行失稳）不仅会恶化车辆的运行性能,而且会加剧轮轨磨损,损伤车辆及线路,危及车辆的行驶安全。因此,研究车辆蛇行运动的影响因素和识别方法,对提高高速列车行车安全具有重要的意义。现有的车辆蛇行失稳在线监测标准只能监测到车辆的大幅蛇行失稳状态,而车辆的小幅蛇行失稳状态却不能被有效地监测出来,同时监测量比较单一,精确性不高,存在误报、报警延迟等问题,对行车安全构成潜在的威胁。目前对车辆小幅蛇行失稳在线监测方法的研究大多是基于机器学习、深度学习和神经网络等方法,算法复杂且对车辆小幅蛇行失稳状态监测的理论研究较少。基于此,本文以国内某型号高速列车为研究对象,展开对高速列车的蛇行运动影响因素以及识别方法研究。本文的主要研究内容和结论如下:1.根据国内某型号高速列车的动力学参数,使用MATLAB和SIMPACK软件分别建立了该车辆的半车-转向架和整车动力学模型;利用该车辆的动力学模型,结合不同行驶里程的实测踏面和不同阻尼特性的抗蛇行减振器,再现了高速列车在运行过程中出现的稳定、小幅蛇行失稳和大幅蛇行失稳3种状态。2.利用建立的高速列车动力学模型,分析了不同因素对车辆系统的Hopf分岔点、非线性临界速度和极限环分岔类型的影响,进而间接研究了高速列车蛇行运动的影响因素。研究发现,一系悬挂参数、抗蛇行减振器阻尼系数、二系横向减振器阻尼系数、蠕滑系数和等效锥度对车辆系统Hopf分岔点的影响较大;转臂节点定位刚度、抗蛇行减振器阻尼系数、抗蛇行减振器节点刚度、二系横向减振器阻尼系数和摩擦系数对车辆系统非线性临界速度的影响较大;转臂节点纵向定位刚度、抗蛇行减振器阻尼系数、摩擦系数和轮径差在一个踏面旋修周期内对车辆系统分岔类型的影响较大。3.在高速列车整车动力学仿真模型的车体、构架和轴箱上不同位置加装加速度传感器（共29个）;对同类型不同位置的加速度传感器的横向加速度数据进行互信息和主频分析,优化了加速度传感器的位置和数量,同时考虑与现有的监测系统兼容,最终留下了11个加速度传感器;再对实验获得的实测横向加速度数据进行分类,用仿真数据与实测数据进行互信息和主频分析,发现仿真数据和实测数据在时域上具有高度类似性,说明仿真数据可以用于研究之中。4.对仿真的横向加速度数据和实测的横向加速度数据进行周期性分析,发现大幅蛇行失稳状态下其周期性最好,小幅蛇行失稳状态下次之,稳定状态下最差;利用车辆不同运行状态的横向加速度数据的周期性差异,提出了计算信号自相关系数和计算信号周期标准差的2种蛇行失稳识别方法,都能有效地识别出车辆的小幅蛇行失稳和大幅蛇行失稳状态,在一定程度上弥补了现有的车辆蛇行失稳在线监测标准不能监测到小幅蛇行失稳状态的不足;把仿真的构架横向加速度数据样本与实测的构架横向加速度数据样本进行混合,计算出数据的时域和频域特征后输入到支持向量机（Support Vector Machine,SVM）分类模型中,分类准确率达到了96.67%,说明仿真数据可以作为实测数据的补充用于机器学习模型的训练,弥补了实测数据的不足。