• 特刊信息

随着全球高速铁路运营里程的持续攀升以及列车运行速度向更高量级迈进，保障高速列车在长期服役过程中的运行安全性与可靠性已成为轨道交通领域的核心主题。高速列车系统的服役性能本质上是车辆-轨道耦合系统在复杂边界条件下的动态响应结果，其健康状态不仅取决于轮轨非线性接触力学行为的精准刻画，更与走行部关键部件在随机载荷谱下的损伤演化规律紧密相关。传统的计划修或事后修模式已难以满足现代高铁系统对高可用性与低全生命周期成本的严苛要求，向基于状态的智能运维框架转型成为必然趋势。

实现这一转型依赖于机理与数据的深度融合。一方面，高保真的铁道车辆动力学建模与仿真技术能够复现高速列车在曲线通过、蛇行失稳及线路不平顺激扰下的复杂运动行为，为故障机理分析提供物理场信息；另一方面，得益于多源异构传感器网络及大数据技术的发展，信号处理、故障特征提取及人工智能驱动的健康评估方法正逐步实现对关键部件早期微弱故障的精准辨识与演化跟踪。然而，在实际工程应用中，如何在强噪声、变工况及极端环境干扰下确保动力学模型的高泛化能力，以及如何提升数据驱动诊断预测结果的可信度与可解释性，仍是制约相关研究实现工业落地的关键瓶颈。因此，亟需探索将动力学机理约束与智能算法相融合的新一代技术路径，以驱动高速列车运维向自主化、智能化与可信化方向迈进。

基于此，Machines 期刊特邀清华大学于耀翔博士创建特刊“高速列车动力学分析与状态监测 (Dynamic Analysis and Condition Monitoring of High-Speed Trains)”。本特刊旨在汇集该领域的最新前沿研究与应用实践，深入探讨面向高速铁路系统的动力学性能分析、故障诊断与寿命预测方法。我们诚挚征集应对铁路安全挑战的创新解决方案，特别是涉及人工智能增强的预测性维护及智能决策框架。

本特刊欢迎原创研究论文、综述论文及案例研究，诚邀高校、科研机构及行业领域的研究人员和工程技术人员踊跃投稿，共同展示高速列车动力学与健康管理领域的创新成果。特刊主题包括但不限于以下方向：

· 铁路车辆系统动力学建模与仿真

· 数据清洗与数据质量提升

· 状态监测与健康评估

· 信号处理与故障特征提取

· 故障检测与定量分析

· 数据驱动的智能故障诊断与寿命预测

· 铁路车辆系统部件振动分析

· 面向轨道交通车辆预测与健康管理的大模型

投稿截止时间：2026年9月30日

• 客座编辑

于耀翔 博士

于耀翔，清华大学机械工程系助理研究员/博士后，主要从事轨道交通车辆动力学建模及智能故障诊断研究。以第一/通讯作者在 MSSP、IEEE TIE、IEEE TII、《机械工程学报》等本领域国内外权威期刊上发表SCI/EI论文16篇，其中，2篇论文分别入选ESI高被引论文、国家铁路局“铁路重大科技创新成果库”(A类)，论文总引用1200余次，H-index为21。授权发明专利2件，参与制定预测性维护国家标准2项，入选2024年度中国科协青年人才托举工程博士生专项计划 (首届)、2025年度斯坦福大学全球前2%顶尖科学家，获得2024年中国振动工程学会科学技术奖基础研究二等奖等奖励。

了解更多特刊信息：https://www.mdpi.com/journal/machines/special_issues/1K027340H0

• Machines 期刊介绍

主编：Antonio J. Marques Cardoso, University of Beira Interior, Portugal

主要发表机械设备故障诊断和预测、机械设计、机电一体化、机器人、叶轮机械、控制及自动化、电机和驱动器、先进制造等领域的最新学术成果。

2024 Impact Factor：2.5

2024 CiteScore：4.7 

Time to First Decision：17.6 Days

Acceptance to Publication：2.7 Days

期刊主页：https://www.mdpi.com/journal/machines