铁路运输在交通行业中占据着主导地位。列车一旦发生故障可能会严重影响其正常运行,得不到及时处理,将造成难以估量的损失,因此对列车故障检测具有重要意义。针对列车行驶过程中丰富的声音信息,本文提出一种基于音频分析的列车故障检测方法。列车运行环境较为复杂,完备的故障样本难以获得,因此基于有监督学习的故障识别方法难以展开有效的应用。目前针对列车故障诊断常用的方法有:图像诊断法、加速度诊断法和位移诊断法等,但这些方法都存在缺点。音频信号具有相对采集方便和非接触测量等优点,结合无监督K-均值聚类算法,可较好的应用于列车故障诊断。本文对基于音频分析的列车故障诊断技术进行了初步的研究,主要工作内容如下:1、介绍并分析了声波的传播特性,为列车的音频分析提供了理论基础。2、对比并分析了无监督学习和有监督学习算法,根据实际需要,采用无监督学习算法。3、应用小波包算法对列车音频信号进行分析,并构造特征向量。4、提出无监督K-均值聚类算法,并对音频信号特征进行聚类分析。5、设计列车音频检测系统,进行现场实验,结果表明正常和异常样本可以有效识别。6、通过分析列车实际运行数据,进一步验证了该算法的有效性。基于音频分析的无监督检测技术能够对列车故障进行在线诊断,保障列车的安全稳定运行,具有一定的准确性、可靠性和应用价值。