科学的轨道几何状态评价方法是保障列车安全舒适运行的重要支撑,车辆响应是评价列车运行安全舒适性的重要指标。由于轨道几何与车辆响应之间关系复杂,轨道几何局部峰值和轨道质量指数的评价方法很难反映列车运行安全舒适状态。因此,需要研究建立基于车辆响应的轨道几何状态评价方法。本论文在系统分析轨道几何和车辆响应之间相关性的基础上,利用深度学习方法提出了车辆响应预测模型,然后通过轨道几何预测轮轨力、车体加速度、舒适度等车辆响应指标,最后利用层次分析法和模糊综合评价对轨道几何和车辆响应等多指标进行综合,提出了轨道几何状态评价方法。论文主要研究内容和成果如下:(1)采用统计分析、时频分析等方法,系统分析了轨道几何与车辆响应的相关性和多波段统计特征。针对轨道几何与车辆响应之间的复杂关系,结合相关分析、相干分析、传递函数等方法,从单变量和多变量、时域和频域、线性和非线性等方面,对二者的相关性进行了定量分析;提出了基于小波分析的多波段成分提取方法,分析确定了轨道几何与车辆响应多波段成分的概率分布特性与重复性特征,为车辆响应预测的数据建模奠定基础。(2)采用深度学习方法,提出了瞬时车辆响应预测模型和车辆响应区段状态指标预测模型。针对传统机器学习模型在特征学习和泛化能力方面的不足,基于深度学习中具有数据趋势信息学习能力的长短时记忆网络(Long short-term memory,LSTM),建立了LSTM瞬时车辆响应预测模型;针对LSTM难以有效学习轨道几何长距离趋势信息和多波段统计特征的不足,将同时具有形状特征学习能力和数据滤波功能的卷积神经网络(Convolutional neural network,CNN)与LSTM相结合,提出了CNN-LSTM瞬时车辆响应预测模型,以提高模型的预测准确度;根据“轨道几何→车辆响应→区段状态指标”的逻辑关系,将CNN-LSTM与多层感知机(Multi-layer Perception,MLP)相结合,利用MLP学习瞬时车辆响应与区段状态指标的复杂函数关系,提出了CNN-LSTM-MLP车辆响应区段状态指标预测模型,并针对区段状态指标预测任务建立了多目标损失函数和基于局部梯度下降算法的模型训练方法,为车辆响应预测和基于车辆响应的轨道几何状态评价提供支撑。(3)考虑列车运行安全性和旅客乘坐舒适性,利用轨道几何预测轮轨力、车体加速度、舒适度指标,并对模型的预测性能和预测结果进行了对比分析。利用LSTM瞬时车辆响应预测模型预测轮轨力,并由轮轨力计算脱轨系数、轮重减载率等安全性指标,利用CNN-LSTM瞬时车辆响应预测模型预测车体加速度,利用CNN-LSTM-MLP车辆响应区段状态指标预测模型预测舒适度指标。为了使模型的预测性能达到最优,采用参数敏感性分析和预测性能对比的方法确定了车辆响应预测模型的结构参数和训练参数。分析发现,轮轨力和车体加速度的绝对预测误差小于检测精度,预测舒适度指标的精度等级接近1级,预测准确度显著优于传统机器学习模型。此外,预测的轮轨力和车体加速度有助于定位影响列车运行安全舒适性的局部轨道几何病害,预测的舒适度指标有助于识别旅客乘坐列车舒适性较差的轨道区段。(4)结合层次分析法和模糊综合评价,对预测的车辆响应指标和既有轨道几何指标进行综合,提出了轨道几何状态模糊综合评价方法。针对既有轨道几何评价方法无法客观反映车辆响应的不足,以预测的车辆响应指标为主要因素、以既有轨道几何指标为辅助因素,建立了综合评价的因素集,并对既有评价等级进行了精细划分,建立了等级集和综合评价体系;参考既有管理标准制定了轨道几何指标与车辆响应指标的分级管理标准,针对既有超限扣分法存在跳跃性的不足,提出了连续型扣分函数,进而建立了基于扣分函数的因素集计算方法;采用层次分析法计算因素集权重,采用模糊综合评价计算等级集的模糊隶属度,并在此基础上,提出了数值连续的模糊综合评价指标和具有模糊边界的管理标准,建立了轨道几何状态模糊综合评价方法;通过对比既有轨道质量指数评价方法发现,轨道几何状态模糊综合评价方法能够同时反映轨道平顺性、列车运行安全性、旅客乘坐舒适性,实现轨道几何状态的连续性、模糊性、精细化综合评价。