铁路是我国的主要运输方式,在国民经济中起着非常重要的作用,是国民经济发展的先导。铁路的客货运量占我国总运量约55%。近年来,随着城镇化不断加快,城市的净流入人口数量不断增加,所以铁路系统无疑成为最受欢迎的出行方式,但是运输中的安全问题是重中之重。无论是高速动车组、铁路机车还是货车,车轴的状态良好是机车安全行驶的重要条件。因此,如果能通过车轴的声发射信号来判断出车轴裂纹的即时状态,对列车的行车安全具有重大意义。本文将计量经济学中的向量自回归模型(VAR模型)运用到对声发射信号的分析中。由于建立向量自回归模型需要以数据平稳为前提,所以首先要对声发射信号进行ADF检验,确定没有单位根,即数据平稳,然后确定滞后阶数和模型的稳定性等等,最后进行脉冲响应分析,得到脉冲响应曲线。选取具有代表性的前期裂纹、中期裂纹、后期裂纹信号数据各一组作为基准信号组,运用VAR模型进行脉冲响应分析,得到脉冲响应曲线后,通过编写stata软件程序来实现基于VAR模型的声发射信号大数据的脉冲响应分析,这样可以实现对轨道车辆车轴状态进行实时监测。大数据的声发射信号的脉冲响应分析验证,即通过上千组数据实时监测,得到轨道车辆车轴裂纹的脉冲响应曲线,并提取部分声发射信号数据的脉冲响应值通过MATLAB软件输出三种裂纹的曲线图,同时提取大数据的时域参数特征值,建立图像,通过与脉冲响应分析结果的对比,可以看出脉冲响应分析的结果更好。继续完善实验,改变每组数据的长度,继续进行脉冲响应分析,得到脉冲响应曲线,结果表明声发射信号的数据长度对于脉冲响应分析的结果有微弱的影响,但是仍然可以通过曲线的特征区分前期裂纹状态、中期裂纹状态、后期裂纹状态。