随着铁路货车维修策略由计划修向状态修的转变,准确判断货车关键零部件的状态对实现和指导状态修有重大的指导意义。当前铁路货车安全监控系统主要用于铁路货车的实时状态监控,保障货车日常运行安全。利用货车运行中的在线监测信息和货车的检修信息,提取数据中与零部件状态有关的特征,探索在线监控信息与状态之间的相关关系,对提高在线监测信息利用率,实现及时的零部件状态预判并进行维修指导具有重要意义,从而达到提高系统可靠性,降低维护成本的目的。本文以铁路货车转向架为研究对象,开展转向架退化状态与货车车辆安全监控系统(简称“4T”系统)信息之间的相关性研究。首先分析铁路货车转向架的检修信息,选取其中反映转向架状态的车轮、轴承、摇枕和侧架等四大关键零部件的检修信息作为状态评判依据。然后提取可反映各零部件状态的检修信息,利用K-Means聚类方法对转向架的状态进行判别,并通过模糊综合评判对聚类分析结果进行验证,得到较为准确的状态评判结果。同时,对“4T”在线监测信息进行特征提取,构建4T特征集并进行归一化处理。然后,利用监测信息与转向架状态信息,构造分类监督过程,本文分别采用了随机森林、极端森林、梯度提升树、支持向量机和逻辑回归具有代表性的算法对该分类问题进行学习,建立相应的分类算法模型。并通过对不同算法模型的性能指标进行比较、修正、优化,探究转向架状态与“4T”信息之间的相关性。通过实例验证,本文发现路货车转向架状态与“4T”信息之间存在较强的相关关系,并且树形结构算法更适应于本问题的研究,分类效果较好。本研究的成果为铁路车辆信息系统升级完善、零部件的健康状态评判及维护维修策略的制定提供了一定的依据,有助于铁路货车行业向高可靠性方向发展。