心盘螺栓故障检测是列车故障动态检测系统的一个组成部分，该套系统通过计算机对列车故障进行智能检测，是确保列车安全运行的重要保障。本课题通过对心盘螺栓故障识别算法进行研究，一方面可以实现对心盘螺栓故障的有效识别，同时也可以为列车其他故障提供借鉴价值。　　本课题采用神经网络方法实现心盘螺栓的故障识别，神经网络具有较好的非线性拟合能力，可以通过对输入输出关系的不断学习，掌握待求解问题的内在规律，从而实现智能化的故障识别。神经网络的优化算法是决定神经网络性能的重要因素，本课题采用遗传算法对神经网络的连接权值与神经元阈值进行优化，可实现神经网络参数的全局收敛，同时由于遗传算法在适应度计算过程的运算量较大，故引入主从式并行遗传算法来提高整体运行效率，通过网络通信方式将运算交由并行处理器进行处理。　　通过上述方法训练得到的神经网络用于心盘螺栓故障识别测试，结果显示故障的准确识别率可以达到90％以上，证实神经网络故障识别方法在功能上可以满足需求，且针对外界环境的变化，神经网络可以再学习，具有较好的自适应性，对于其他故障，神经网络方法也具备较好的可移植性与推广意义。