目前我国经济增长的势头迅猛,铁路行业进入跨越式发展新时期。作为一种新兴的交通运输手段,高速动车组开始大量开行,其运行状态的安全一直备受关注。动车组的结构较为复杂,细小零部件众多,传统的列检方式受检测人员的技术水平与人体疲劳程度影响,在检测时不可避免的会出现疏忽与纰漏,有很大的局限性,一旦列车在行驶过程中产生故障,将会造成人力、物力甚至于人身安全的巨大损失。因而设计和开发动车组运行故障动态图像检测系统(TEDS),实现动车组故障部件的自动定位与故障识别,对提升动车组车辆检修工作的精确度、效率与安全性具有重要的实用价值。基于此,本文根据动车组走行部的结构特征及故障特性,结合特征提取与目标识别,研究了动车组走行部典型故障的部件定位与故障检测算法,典型故障包括轴箱螺栓丢失、牵引拉杆裂纹与抗侧滚扭杆变形三类。本文调研了国内外动车组走行部典型故障图像检测技术的研究现状,掌握了国内外动车组运行故障动态图像检测系统的使用情况、工作原理与系统架构等。在此基础上首先对采集到的动车组走行部图像进行前期的图像预处理工作,包括图像增强、图像分割、边缘提取与光照不均校正,并建立以目标图像与非目标图像为基础的正负样本库,为接下来的特征提取与故障识别奠定基础。本文采用HOG特征对轴箱进行特征提取,接下来利用提取到的轴箱特征训练SVM分类器,使用训练后获得的模型对样本库图像中的轴箱进行识别并截取,实现了轴箱的精确定位,并通过对比验证了算法的可行性。然后根据轴箱螺栓丢失后将会存在一个与周围区域灰度对比较为明显的深色圆孔的特点,提出了相应的故障识别算法,解决了动车组走行部轴箱螺栓丢失检测问题。本文利用LBP算法提取牵引拉杆的特征,将所获得的特征交给Opencv并使用Adaboost学习算法训练出级联分类器,利用该分类器模型在图像中进行牵引拉杆定位识别。然后根据裂纹的几何特征,利用阈值化方法对角度校正后的牵引拉杆进行二值化,分割牵引拉杆与裂纹,从而实现了牵引拉杆裂纹检测。本文使用基于SURF特征的模板匹配算法完成了抗侧滚扭杆的识别,然后根据抗侧滚扭杆变形故障位置不固定、几何形状变化大及特征不明显等特点,提出了具有较好鲁棒性的变形故障识别算法。本文的研究为实现动车组走行部典型故障的自动识别提供了理论与算法依据,准确可靠,有效性高,具有良好的应用前景。