内燃机车作为在铁路运输中提供主流牵引动力的设备，对我国铁路事业的发展有着十分重要的作用。为提高内燃机车电力传动装置的安全可靠性，满足现代高水准事前维修制度的要求，对柴油机-牵引发电机组中的牵引发电机这一核心电机进行状态监测和故障诊断具有深远的意义。发电机是一种典型的结构复杂的往复式动力机械，这就会在状态监测与故障诊断中存在一定的困难。而它的工作过程主要是高速旋转，这就使得其振动明显，且绝大部分旋转机械系统的故障都在振动信号中有所反映。本文就是在此背景下，确立了基于振动信号分析的故障诊断方式。论文的研究过程大致分为以下三个阶段：首先，根据发电机典型的三种故障：转子不平衡和转子裂纹以及油膜振荡，进行信号模拟，之后通过使用小波包的时频分析方法对采集到的信号进行滤波除噪，再利用小波包分解系数得到各频带的能量，根据频带的能量值大小来提取故障特征。接着，我们确定了故障分析过程，即设计了以小波包分解后提取到的能量特征值作为输入的BP神经网络。选取训练数据和测试数据的具体工作主要包含以下几点：第一，小波包先将信号分解并提取特征，得到样本信号的特征向量和测试信号的特征向量；第二，利用得到的样本数据对BP神经网络做训练，网络训练成功之后用测试数据对训练过的网络加以检测，将得到的测试结果与进行测试的相对应的机器状态作比较，证明是符合的。上述整个过程我们利用MATLAB平台进行实现。最后，基于VB程序设计了内燃机车牵引发电机振动检测系统，对现场采集的信号进行了分析。结果证明，利用本论文开发的系统可以对机车柴油机发电机组发电机的相关故障进行简单有效的分析，同时在发电机故障诊断方面提高了效率及准确率。本研究表明，在对内燃机车电力传动设备进行故障诊断过程中，利用小波包分析和BP神经网络相结合的分析方法，可以指导现场技术人员找出复杂机械的故障所在，从而高效地进行维修，同时也丰富了电力传动设备故障诊断研究的方法和途径，具有一定的理论和实践意义。最后，关于进一步工作的方向进行了简要的讨论。