尽管我国高速列车的各方面技术已经处在世界前列,但是大环境下高速列车也面临着巨大的机遇和挑战。高速列车安全运行的重大问题备受关注,因此对在长期服役过程中的列车安全性的预警以达到健康维护变得尤为重要。通常采用在高速列车各个重要位置安装传感器的方法,采集振动信号,以期能够准确快速评估高速列车服役性态。高速列车监测数据的特征分析是评估高速列车服役性态的重要组成部分。本文主要对高速列车的七种工况和参数渐变工况以及单个减振器失效工况进行了分析。本文首先采用分数阶傅立叶变换方法对高速列车监测数据进行分析,因为分数阶傅里叶变换是一种处理非平稳信号的时频分析方法。分数阶傅立叶变换方法将高速列车监测数据从时域变换到频域,得到分数域三维图,求不同阶次下的最大值,形成最大值曲线,针对最大值曲线求取特征值,形成三维特征值。实验部分,将由分数阶傅里叶变换得到的特征作为支持向量机的输入,对高速列车七种工况分类识别,得到了各个通道的识别率,这七种工况包括了四种单一工况(正常状态、空气弹簧减振器全部失效、横向减振器全部失效、抗蛇行减振器全部失效)和三种混合工况(空气弹簧减振器全部失效+横向减振器全部失效、空气弹簧减振器全部失效+抗蛇行减振器全部失效、抗蛇行减振器全部失效+横向减振器全部失效),从而归纳出对四种单一工况灵敏的通道。除此,还对参数渐变工况和单个减振器失效工况进行了三维特征值仿真分析。但是仅采用分数阶傅立叶变换的方法,找不到参数渐变工况的急剧退化点。针对这一缺点本文提出了一种基于分数阶傅立叶变换与图像处理分析相结合的高速列车安全状态识别方法。同时改进了关于图像分割的全局最佳闽值算法。将高速列车监测数据通过分数阶傅立叶变换到分数域的三维图,对其做底部投影并形成灰度图来表示能量积聚性,随后通过全局最佳阈值的算法对灰度图做阈值分割突出其主要能量区,最后将各种工况的能量积聚性同原车进行相似度计算。通过此方法有效判别分类了四种单一工况和三种混合工况。并提取出了参数渐变工况急剧蜕化的参数渐变范围。本文的研究内容是国家自然科学基金重点项目《监测数据的高速列车服役安全性态评估的关键问题研究》的重要组成部分。