铁路货运是全球经济发展的重要组成部分。货运列车的运行不稳定性严重影响铁路系统安全。货运列车之间缺乏电气管道，使得车载监测设备的能源成为亟待解决的问题。项目研究基于深度学习的重载货运列车转向架安全监测系统，用于在提供电能的同时检测货运列车的运行状态。所提出的系统由两个模块组成：类滚动轴承式摩擦电纳米传感器模块和检测模块。传感器模块创新地结合了滚动轴承的低阻尼和耐磨性的优点。此外，它还集成了货运列车的能量收集和运行状态感知功能。在将列车的振动动能转化为电能并储存的同时收集了包含列车运行状态特征的电信号。检测模块包括一个预处理模块和一个基于LSTM的深度学习模型。由传感器模块收集的特征电信号经过预处理模块的增强和提取，生成训练集和测试集。使用数据集训练和测试深度学习模型，识别出货运列车的运行状态。在此基础上，建立了一个动力学模型，用于研究不同轴荷、速度和预处理参数对系统的振动响应、电性能和深度学习模型的影响。测试集的结果表明，系统的检测准确率达到 96.6%，表明它可以有效地检测货运列车的运行不稳定性。这种监测系统使摩擦纳米技术在智能交通和零能耗物联网的实际应用方面取得了突破。