轴承是影响高速列车行车安全的关键零部件。车载监测系统采用温度传感器进行轴承状态的实时监测,并基于设定的温度阈值进行报警,有效避免了重大安全事故的发生。但这种策略也存在不足:一旦触发报警,需要立即采取降速或停车措施,无法为事故的处理提供足够的时间裕量,严重扰乱列车运营秩序,并容易造成经济损失和不良的社会影响。因此,提升高速列车轴承的智能化诊断水平与提前预警能力,具有重要的研究与工程价值。然而高速列车轴承的运行工况复杂,同时受材料、制造、检修等耦合影响,其温度特征复杂多变。研究者们提出了基于经验规则、基于聚类分析模型等一系列诊断方法,但虚警率较高和提前预警能力不足一直是困扰实践应用的两个重要问题。为此,本论文开展基于时空对比的高速列车轴承异常温升检测研究,主要研究工作如下:(1)通过与不同空间分布的同类轴承温度特征进行对比分析,提出一种基于AHP-熵值法优化决策的轴承异常温升检测模型。首先根据同类轴承温升的趋势一致性以及异常轴温的偏离现象,采用K-means聚类定位异常温升轴承,获得一级检测结果;然后通过分析异常温升的特性,融合专家经验和数据特征,提出一种基于AHP-熵值法优化的决策模型对一级检测结果进行再次诊断,获得二级检测结果。实例验证结果表明,该模型显著降低了虚警率,但预警时间裕量较少。(2)通过与不同时间分布的同一轴承温度特征进行对比分析,提出一种基于Bi LSTM实时预测的高速列车轴温异常检测模型。首先通过随机森林算法从大量的车载监测履历数据中提取敏感参数,再采用Bi LSTM建立敏感参数与轴承温度的映射关系,形成高速列车轴承温度实时预测模型,然后对预测值与实际值进行残差分析,并参考SPC标准制定轴承温度异常的判定规则,实例验证结果表明,该模型显著提升了预警能力,但有一定的虚警率。(3)提出一种时空融合决策的高速列车轴温异常检测模型。首先利用D-S证据理论将基于AHP-熵值法优化决策的异常检测模型与基于Bi LSTM实时预测的异常检测模型相结合,通过同时从空间与时间两个维度进行综合诊断与决策,从而实现更全面、更精确的异常检测。实例验证结果表明,时空对比融合决策模型成功消除了单维度模型诊断存在的误判现象,且具备良好的提前预警能力。(4)开发了一套高速列车轴温异常检测系统。以基于时空对比融合决策的高速列车轴温异常检测模型为基础,分析相关功能需求,采用Python GUI模块中的tkinter编译库完成系统界面开发。应用实例表明,系统能够满足预期的功能需求。