随着轨道交通不断向着高速重载以及车辆结构轻量化趋势发展,关于车辆在运行过程中因结构柔性对车辆系统动力学相关性能的影响不容忽视,尤其是多个柔性结构耦合在一起所产生的整体耦合效应会放大因单一结构柔性对车辆系统产生的影响。在现有单一结构柔性的车辆系统对车辆动力学性能影响的研究基础之上,对多柔体耦合的车辆系统的研究必不可少。因此,本文主要通过建立某型高速动车组拖车的柔性整车模型和刚性整车模型,通过对比分析多柔体建模方法在车辆系统动力学指标方面的影响程度。本文首先利用SIMPACK动力学仿真软件建立了某型高速动车组拖车的多刚体动力学模型,其次通过轮对、构架和车体的结构参数利用Solid Works软件进行实体建模,利用Hyper Mesh软件对上述结构实体模型有限元划分,获得对应结构有限元模型,然后通过ANSYS软件进行模态计算和子结构分析将生成的结果文件导入SIMPACK软件的FEMBS接口生成柔性体结构文件。最后使用SIMPACK软件建立多柔体整车模型,作为所需研究的模型对象。通过在不同速度和不同线路工况进行仿真后,获得上述两模型在不同动力学指标上的数值结果,并对比分析不同建模手段对动力学仿真结果的影响程度,并对后续的车辆设计以及动力学研究工作提供参考。研究发现,在动力学指标方面对比刚性整车模型结果,多柔体车辆系统的影响主要体现在临界速度为432km/h,降低大约10.56%、运行品质、舒适度等指标在同等工况和线路条件下都高于多刚体整车系统,在横向和垂向方向上对比,多柔体系统对车辆横向方向上的影响更大。由此可见,采用多刚体系统代替多柔体系统来进行研究分析,在一定程度上会高估了车辆系统的性能表现。最后在上述研究工作基础上,将所研究的高速铁路车辆系统结合近几年发展比较迅速的深度学习理论进行探索,通过搭建深度学习Keras框架中的LSTM神经网络模型,使用轨道不平顺激励作为系统的输入特征,将车辆车体的垂向振动加速度作为系统的输出指标,并对前期仿真的数据进行训练调参,达到预测车体垂向振动加速度的效果。最终将对训练集的训练误差RMSE和测试集的测试误差RMSE分别控制在了0.0022和0.1153。极大地简化了复杂建模所带来的大量工作以及时间成本,并为后续的铁路领域研究在深度学习中的应用提供参考。