轴箱轴承是轨道车辆走行部核心部件,其运行状态直接影响行车安全。轴箱轴承与非移动设备轴承相比,服役环境更为恶劣,除了旋转运动产生的振动,还要承受车辆运行过程中轨道不平顺引起的振动,尤其是在高速运行和轨道平顺性差时,故障信号淹没在环境噪声信号中,严重影响了诊断的实时性和准确性。论文对轴箱轴承故障诊断完成了以下工作:分析了轴承故障形式和模型,根据时频域特征的分布和趋势实现了特征选择,结合K-means实现了故障聚类。研究了构架垂向振动与轴箱振动的相关性,提出了基于构架垂向振动的LMS自适应对消方案,减少轴箱振动对轴承振动信号的影响。仿真结果表明,基于LMS的自适应对消算法对叠加高铁轴箱噪声信号的滚子故障模拟信号进行处理,输出信号除了幅值有所增大外,其他特征和原始滚子故障模拟信号基本一致,消除了车辆运行过程中轴箱振动对轴箱轴承故障诊断的干扰。论文研究了基于VMD分解的轴承故障诊断方法的参数选择问题。在设置不同的分解层数K和二次惩罚因子后,对比分析跑合台滚动轴承故障信号VMD分解迭代次数、模态间相关系数和模态的混叠情况,实现了参数的选择。对跑合台滚动轴承故障信号进行VMD分解,计算模态的样本熵作为特征向量,选择支持向量机作为分类器,得到了很好的故障分类结果。论文通过跑合台轴承故障信号和实测轴箱振动信号叠加,模拟实际运行过程中轴承故障信号,研究了构架振动信号和轴承故障信号的相位差及信噪比对诊断算法影响。试验结果表明,论文提出的降噪方法和VMD分解参数选择方法能有效减少车辆振动对轴承故障诊断干扰,提高了诊断准确性。结合自适应对消去噪、VMD分解和故障分类算法对高铁轴箱噪声信号和跑合台滚动轴承故障信号进行了诊断方法试验验证,结果证明该方法能对叠加了轴箱噪声信号的多种故障信号进行分类。