摘要： 针对高速列车高阶车轮多边形动态监测和磨耗识别问题，提出一种基于轴箱振动的高速列车高阶车轮多边形主要阶次智能识别方法。首先，采集高速列车稳定运行时轴箱动态振动数据以及静态时车轮多边形磨耗水平；其次，对轴箱振动信号进行滤波，保留高阶多边形主要影响的频段，提取振动信号时域、频域能量特征；最后，通过构建在线极限学习机(Optimized Extreme Learning Machine，OSELM)，实现车轮高阶多边形主要阶次智能识别。结果表明：提出的智能识别方法能实现车轮12～30 阶主要阶次识别，平均准确率达到99 %，所提方法的有效性得到验证。

关键词: 振动与波, 模式识别, 车轮多边形, 在线极限学习机