轴箱轴承作为动车组走行部中的重要部件,长期处于高转速、大载荷的工作环境下,是最易受损的部件之一,一旦出现故障将直接危及行车安全。目前,我国动车组轴箱轴承的状态监测手段主要为实时温度监测,此方法存在报警延迟的问题,无法高效准确地诊断故障。针对轴承故障诊断方法的研究虽取得了一定成果,但在方法验证阶段,多数试验所加工况简单,无法模拟轴箱轴承实际服役工况,难以判断故障诊断方法是否适用于真实情况。针对实际服役动车组轴箱轴承故障诊断困难的问题,提出一种基于优化共振稀疏分解和变分模式分解算法的轴承故障诊断方法。优化共振稀疏分解算法基于遗传算法以低共振分量HFK最小值为优化目标,寻优得到优化的高、低品质因子,以此为参数分解故障信号得到高、低共振分量及残余分量。优化变分模式分解算法以中心频率及峭度准则为依据选择分解模式数量,对低共振分量利用变分模式分解算法处理。对峭度最大的基本模式分量实施包络解调,与理论故障特征频率对比实现故障诊断。该方法减小了算法中人为经验对参数的影响,具有良好的自适应性。为了验证方法,构建仿真故障信号,并利用提出的方法处理,结果表明本方法可准确提取冲击频率及倍频,与四种传统方法处理...