近年来随着铁路运输速度的不断提高，列车车轮与钢轨间的相互作用力也逐渐增强，导致车轮失圆现象所带来的安全隐患也越来越明显。高速运行状态下的列车，其车轮上微小失圆缺陷就会引起轮轨间强烈的动力响应变化，影响列车行车稳定性和乘坐舒适性，严重时甚至会发生重大事故。鉴于现阶段我国对列车车轮检测方法较为传统，效率较低、盲区较大且影响列车正常运营，因此有必要对具有高精度、高效率且不影响列车正常运营的轮对自动检测方法进行研究。为了研究车轮上擦伤缺陷与钢轨的冲击问题，本文对轮轨系统模型进行简化，基于ADAMS动力学分析软件建立了轮轨系统动力学仿真模型和基于激光传感器的车轮检测装置模型，并对存在不同擦伤缺陷的车轮在不同工况条件下通过钢轨的过程进行大量仿真计算，仿真出检测装置检测的相应的过车信号。在擦伤信号的提取工作中研究了多种方法，通过比较选取合适的擦伤信号提取方法，并最终得到不同工况下、不同擦伤大小的擦伤冲击信号幅值仿真结果。为了研究擦伤缺陷大小与擦伤冲击信号幅值、列车行车速度、擦伤部位与轨道接触相对位置三个变量的关系，进而对车轮进行缺陷评估，本文采用BP神经网络的方法，通过上述仿真结果对神经网络进行训练，调整各层权值和阈值，最终实现了车轮擦伤大小的判定。本文的大量仿真分析与研究结果，在一定精度范围内实现了对擦伤车轮的检测与判伤的目的。