铁路列车轴箱系统作为列车走行部的关键部件,同时也是影响铁路列车运行安全状况的重要环节。因铁路列车轴箱系统复杂的工作环境、巨大的动态负载、持续的高速运行状态,导致轴承容易出现故障。因采集的轴箱轴承的振动信号往往淹没在强烈的噪声中,使含有故障信息的冲击成分难以提取。因此,降低环境和系统噪声影响,从背景噪声中提取包含故障特征的冲击成分,成为解决轴箱轴承故障诊断难题的关键。综上所述,列车轴箱轴承的故障诊断研究,对节约资源和提升列车安全性能具有重要价值。(1)依据谐波信号和冲击信号具有不同的品质因子,将相关峭度引入到品质因子可调小波变换方法中,利用该方法对振动信号进行高品质因子和低品质因子稀疏表示,然后采用形态分量分析对信号进行非线性分离。在分离过程中,计算低共振分量各个分解层的相关峭度实现对低共振分量的信号重构,对重构的低共振分量进行包络解调分析,实现轴承不同位置故障特征的提取。研究表明:当转速已知时,该方法可以成功分离出滚动轴承的故障特征。(2)基于相关峭度的品质因子可调小波变换方法需要计算故障冲击的周期作为已知条件,若转速信息误差较大,将影响该类方法的有效性。为弥补转速误差带来的影响,提出了一种基于负熵和无迹卡尔曼滤波的动态贝叶斯小波变换方法。该方法不需要知道故障冲击的周期,而是以需要优化的小波参数设计状态方程,以滤出信号平方包络的负熵值设计测量方程,基于无迹卡尔曼滤波方法,对无迹卡尔曼后验概率的迭代求解,实现复Morlet小波参数的最优估计,继而可以自适应地确定包含故障信息的共振频带。经分析表明:当转速未知时,该算法仍可实现故障特征与强背景噪声的分离。(3)以高速列车轴承以及铁路货车轮对轴承为研究对象,对提出的两种诊断方法进行试验验证。结果表明:品质因子可调小波变换方法考虑信号振荡特性的差异,以低共振分量的相关峭度为基础,识别出轴承外圈故障。基于负熵和无迹卡尔曼滤波的动态贝叶斯小波变换方法能够识别出轴承外圈、内圈故障。