轮轨接触关系的研究是铁路交通安全运输的必要课题之一。我国铁路高速、重载的发展趋势直接导致轮轨间的动态相互作用加剧,严重影响车辆系统的安全性和平稳性,一旦列车发生脱轨,会造成生命财产的巨大损失。因此必须重视列车轮轨接触关系研究问题,并积极探索解决脱轨问题的有效方法和路径。由于轮轨接触关系复杂且决定列车是否脱轨的因素众多,本文采用图像处理技术和多传感器数据融合技术对列车轮轨接触状态进行跟踪处理,预测的动态脱轨系数用于指导列车的安全运行,研究内容如下:(1)根据轮轨接触几何状态的特点,按照位移量和接触点的不同建立了道岔区和无岔区轮轨接触模型,结合车载摄像机采集到轮轨接触区图像特征以及爬轨实验中车轮抬升量随时间变化曲线图,以轮轨中心线相对位移量的不同对轮轨接触状态进行了安全等级分类,确立了位移量脱轨评判准则。(2)建立相机成像的几何模型,通过实验与计算求解几何模型参数对摄像系统进行标定。采用一种综合径向畸变、切向畸变和薄棱镜畸变因素的两步标定算法,通过求解出内外参数和多次迭代逼近,在Matlab仿真平台中运行标定算法,标定结果精度和实时性优于张氏标定法,对现场实际采集的无标定过程的无岔区与道岔区轮轨接触图像帧的畸变进行了复原,从枕木的弯曲程度上可以看到校正效果良好。(3)采用组合标记控制法改进分水岭存在的过分割问题,对预处理后图像进行形态学的膨胀腐蚀操作并结合图像信息熵得到优化后的梯度图像,进行高低帽变换标记出阈值,将分水岭分割后的结果作为T-snake变换的初始轮廓。引入区域能量项改进T-snake模型曲率约束不足的问题,实验结果表明分水岭优化的T-snake算法对复杂背景下的轮轨接触区域图像提取效果理想。(4)构建基于遗传算法优化的小波神经网络的多传感器数据融合模型,小波神经网络非线性逼近和容错能力强,遗传算法优化后可提高预测模型的精度和收敛速度。输入相对位移量,速度量,加速度量以及轮重减载率进行数据融合预测脱轨系数。现场测试结果显示,利用该方法预测的脱轨系数准确率高,考虑因素较为全面。采用K折交叉验证法,结果表明预测模型具有良好的鲁棒性和和准确性。