高速列车动力学参数较多，其动力学性能的评价指标有多个。综合考虑这些动力学指标，进行参数灵敏度分析，对高速列车动力学参数的恰当匹配具有重要意义。已有单输出灵敏度分析技术难以准确度量参数对车辆动力学综合性能影响的大小。为避免已有方法的缺陷，本文引入了一种新的基于距离相关系数的多输出灵敏度分析技术。该方法通过求解单个输入与多个输出变量之间的距离相关系数，从而实现多输出全局灵敏度分析的目的。为提高灵敏度分析的效率，本文建立了多个动力学指标与输入参数的Kriging模型。为提高近似模型的精度，本文引入了一种新颖的多峰优化算法对Kriging模型的超参数进行全局寻优。与传统单目标智能优化算法不同，该优化算法通过引入种群差异指标，将单目标优化问题转化为双目标优化问题，从而增加了子代种群的多样性，避免了传统优化算法易于陷入局部最优解的问题。基于所提方法，本文以CRH动车组动车为例，研究了多个动力学指标的多输出全局灵敏度。结果表明：所提的超参数优化方法由于增强了种群多样性，从而对Kriging模型精度和稳定性提升效果明显；基于距离相关系数的灵敏度分析方法能够更加合理地识别出对车辆动力学综合性能影响较大的参数、排除几乎没有影响的参数。
