随着“一带一路”倡议的提出和部署,中国的高速列车除了在国内扮演着举足轻重的交通角色,在国际舞台上也愈发受到关注。高速列车的运行范围幅员辽阔,运行环境气候多变,路况复杂,存在诸多不确定因素,严重影响高速列车运行的各项性能。轴承,作为高速列车传动装置中的核心部件之一,在复杂的运行环境中发生故障的概率较高。为了保障乘客的生命安全并减少经济损失,对轴承的健康状况进行跟踪并对故障做出预警是十分必要的。振动监测具有经济、实用的优点,是故障诊断领域中最为广泛运用的方法。经验小波变换由Gilles提出,是近年来新兴的信号处理方法之一。通过对振动信号的分解和筛选,达到剔除部分噪声等干扰信号,突出有用信息的作用。它的主要算法思想是对信号的频谱进行划分,构造Meyer小波滤波器组依照预定的频段进行滤波,得到若干子信号。相比经验模态分解,经验小波变换中使用的滤波器,在频域上具有较好的紧支撑性,不会造成严重的能量泄露,能够较精准提取预设频带范围的频率信息。与传统小波变换相比,经验小波变换克服了离散小波变换中存在的平移敏感性问题,并具有更灵活的滤波框架。滤波边界的确定是经验小波变换算法流程中重要的步骤,直接影响经验小波变换的效果。本文对Gilles在经验小波变换中使用的尺度空间算法进行优化。原算法计算复杂度较大,且划分频带过度冗余。本文根据轴承振动信号在频谱上的分布特征对算法中的参数和迭代终止条件进行改变以提升计算速率,优化频带划分结果,但仍然保持算法对频带划分的冗余度,通过对冗余频带的融合实现对带宽更灵活的调整。在进行频带融合前,需选出包含故障信息最丰富的频带作为基准频带,进行相邻频带的融合,调整带宽。利用合理指标对子信号进行信息量衡量是筛选频带的重要手段,本文研究几组典型信号及其包络在时域、频域上的分布特征,对他们的峭度值进行计算分析,探究峭度指标的特点和局限性。由于信号的包络蕴含信号的二阶平稳特征,包络解调常被用以轴承故障的诊断。从包络谱特点出发,构建包络谱特征频率能量占比指标。借助该指标进行频带筛选和融合,选出融合前后对应指标值最大的频带输出为最优滤波频带。最后,对滤波后的信号进行Hilbert解调,得到轴承振动信息。对优化算法进行阐述时,采取算法原理说明以及仿真信号验证两种方式相结合。文末,采用优化算法对实测数据进行处理分析,验证算法在实际工程中的可行性。针对实测信号中复合故障存在共振带重合的现象,采用动态阈值法突出不同的故障特征频率。