滚动轴承是铁路货车轮对中最易损坏的部件,其运行状态直接影响到铁路货车的运行安全。为了早期发现轴承故障,本课题在前期研究中将声发射法应用于滚动轴承的故障诊断中,利用小波分析方法提取信号时域和频域峰值参数,以区别不同状态的轴承。这种方法给货车轴承状态识别提供了一种途径,但是,由于声发射信号能量分布较宽,前期研究中仅考虑900Hz—1.4KHz这个范围,在获得信号有效信息方面还是有一定的局限性。针对以上问题,本文对多套具有典型状态(正常、内圈故障和滚子故障)的352226X2-2Z轴承进行了反复实验,并对采集的声发射信号时域和频域特点进行对比分析,提出了一种小波概率神经网络(WPNN)损伤检测方法。此方法采用小波包分解能量特征的思想,通过分析响应信号在小波包分解不同频段下的能量分布,利用概率神经网络(WPNN)识别货车滚动轴承状态。研究结果表明,利用滚动轴承声发射信号能量分布特点进行轴承故障类型的识别是可行的,而且选用的概率神经网络训练速度快,在工程上易于实现,对样本噪声具有较强的鲁棒性。小波概率神经网络的应用提高了滚动轴承的诊断准确率和智能性。