随着铁路列车的提速，现役轴温探测设备兑现率偏低，影响列车畅通运行的问题日益凸显，提高轴温的探测速度，增强轴温数据的可靠性仍然是铁路运输安全保障的重要课题之一。本文首先结合当前轴温探测技术要求和特点，给出一种多点探测方案，以增大轴温数据采集的信息量和可信度。针对多点探测数据量倍增的情况，将探测器采集的轴温数据实时上传，由探测站完成数据的处理和热轴判别，从而减轻了探头内部数据处理器的负担。然后给出了轴温信号的红外扫描成像方案，将多点探测器采集到的轴温数据通过图像更直观的表现出来。最后，通过神经网络和支持向量机的方法对正常、异常轴温波形进行了分类，避免异常波形对轴温判别系统的干扰，减少热轴误报，提高热轴兑现率。　　本研究主要内容包括：⑴针对多点红外轴温探测器的数据特点给出了实时采集实时上传的方案。由于多点探头采集的轴温数据的翻倍，加重了探头中嵌入式处理器的工作负担，为了减小探头软硬件的成本，充分发挥计算机的数据采集与通信能力，将系统探测器中微处理器的ADC(Analog-to-Digital Converter)设成DMA(Direct MemoryAccess)状态，实现采集数据的实时采集和上传。⑵在探测站完成轴温数据的处理。首先根据车轮传感器时序实现对轴温信号的提取，然后通过对多点探测器的每个探测点进行温度-电压的标定，消除探测点间的非均匀性，最后得到每个探测点的实际温度。为了显示出探测点间的位置关系，更全面直观的显示车轴温度，将温度转化为灰度值，计算出轴温的红外图像，将线阵式多点探测器的数据作为图像进行处理。⑶设计出BP神经网络(Back-Propagation Neural Network)的波形分类器。为了避免BP网络的局部最优问题，将遗传算法和神经网络结合，对BP神经网络的初始权值和阈值进行优化，提高神经网络对波形的分类效果。⑷改进代价敏感支持向量机的核函数，提高波形的分类正确率。在标准支持向量机分类器基础上，根据正常波形与异常波形的误分代价不同，给出代价敏感支持向量机，提高正常波形的识别正确率，避免热轴漏报。利用不同特点的核函数线性组合，改进代价敏感支持向量机的核函数，提高代价敏感支持向量机分类器的性能。