高速动车组列车作为轨道交通运输的重要组成部分,运行速度可以达到350km/h。由于其运行的速度快,与普通列车相比,高速列车则承受更加复杂的载荷工况,因此,对列车各个部件的工作性能提出了更高的技术要求。轮轴与转向架构件之间的联接件轴承是传动的重要部件之一,轴承的运行状态直接影响列车的运营安全。在列车高速行驶过程中,如果不能够及时察觉轴承早期故障,将可能引发严重安全事故。因此,对滚动轴承运行状态进行实时动态监测在轨道交通领域中具有重要的应用价值。本文以高速列车的滚动轴承为研究对象,进行轴承声发射波形流信号的故障诊断理论基础研究与试验分析研究。首先对声发射波形流信号的故障特征提取进行研究,是建立在信号降噪预处理和信号包络提取上。根据声发射波形流信号的特点,本文提出参数优化的LMS自适应滤波技术对声发射波形流信号进行降噪处理,通过选取合适的参考目标信号,完成信号的自适应降噪,通过仿真信号处理分析,验证了该算法的有效性;然后对声发射波形流信号的包络提取进行研究,本文采用插值法对故障信号进行包络提取,又因为传统三次样条插值在包络拟合过程中存在超调问题,进而提出了一种细分算法对三次样条插值进行改进,通过仿真信号验证了此算法可以有效提取出信号的包络。然后对高速列车滚动轴承进行试验数据采集与分析研究。通过对从高速列车上拆卸下来的4类不同损伤(正常,微弱,中度和严重)的外圈自然故障轴承,利用声发射技术对4个轴承在50km/h、150km/h和250km/h三个代表性速度下进行声发射监测并对信号进行采集,通过对实验数据进行处理,验证了本文提出的算法可以有效提取出故障特征频率,准确确定了轴承故障发生的部位,完成对轴承的定性判断。最后,对滚动轴承的损伤严重程度进行定量化分析。本文采用4个相对稳定的波形流时域特征参数(尖峰因子、尖峰发生率、RMS和绝对能量),通过对15组试验样本数据在相同时速下进行趋势拟合分析,分析结果验证了这4个特征参数可以有效对轴承故障严重程度进行评估。然后通过基于撞击的特征指纹参数作为辅助判据,进一步的验证对试验轴承定量化评估的准确性。通过对高速列车滚动轴承的定性诊断及轴承损伤状态定量评估,验证了声发射监测技术是十分有效、可靠的对轴承进行故障诊断与状态评估方法。