随着我国轨道交通运输的快速发展,机车作为承载乘客的直接载体,其安全与否直接与乘客的生命安全息息相关。近年来轨道交通车辆设备的复杂程度不断提高,故障率相应上升,而轴承作为轨道交通车辆最重要的部件之一,如何对其进行高效、快速而准确地诊断是值得研究的一个重要问题。本文在认真总结现阶段世界轨道交通故障诊断技术的基础上,总结分析了轴承故障发生情况,并找出故障发生的规律和特性。基于上述的需求分析,本文采用了小波、希尔伯特,神经网络等作为故障诊断方法对轨道交通车辆轴承进行了诊断,首先对采集到的信号进行降噪处理,再对降噪后的信号进行小波变换,对小波变换后的信号分别进行了:1)希尔伯特变换;2)提取特征向量,并将其输入到神经网络进行故障诊断。实验结果表明:(1)采用小波包和Hilbert包络谱分析,能有效地识别滚动轴承的故障特征,说明该故障特征提取方法是行之有效的;(2)采用的小波包和BP、Elman、RBF神经网络进行的滚动轴承故障诊断,能有效地识别故障特征,此方法同样适用于轴承等旋转机械的故障诊断;(3)无论从时间、还是输出准确程度上来看,RBF神经网络都明显优于BP神经网络。最后,对轨道交通车辆轴承故障诊断系统进行了软件实现。首先对各功能模块进行了说明,然后展示了系统的运行界面。应用希尔伯特变换找出了故障频率;结合小波与神经网络诊断出了故障类型,实现了对机车轴承的智能诊断,保证了机车的安全、快速运行,此系统具有较好的实用性。