在我国城市轨道交通大规模发展的同时,其运营安全保障也成为目前面临的重要问题。列车作为城市轨道交通运输的载体,运行速度快、载客量大、运营环境复杂,其安全状况不容乐观——列车故障不断出现、事故常有发生,这些故障不但严重影响到正常运营秩序,而且一旦造成事故将会带来巨大的人员伤亡和经济财产损失。滚动轴承是列车走行部中应用最为广泛的机械零件,也是最易损坏的元件之一。列车走行部的许多故障都与滚动轴承有关,轴承工作状态的好坏直接影响列车的运行安全状况。为提高列车运行的安全性,对列车滚动轴承故障诊断进行研究,发现其故障规律和探索有效的故障诊断方法,是一种有效的安全预警保障措施。本文围绕滚动轴承故障诊断展开以下研究：1、提出了一种基于声发射技术的滚动轴承故障诊断方法。系统的归纳了滚动轴承的故障类型及故障诊断方法研究趋势,总结阐述了声发射技术的原理、诊断优势、影响因素和声发射信号处理方法。2、利用声发射技术,在滚动轴承实验台上对内环、外环、滚动体故障和正常轴承进行了声发射信号采集,通过对采集的原始声发射信号数据进行谐波小波包分解和重构,提取故障特征向量,作为神经网络的输入样本进行网络训练。3、提出基于谐波小波包和多种神经网络结合进行滚动轴承声发射信号处理的方法。在对声发射信号进行谐波小波包分解的基础上,利用多种神经网络进行样本训练,对滚动轴承进行故障类型识别,找出滚动轴承的故障位置。论文将谐波小波包理论和神经网络有机的进行结合,吸取了二者的优点,提高了列车滚动轴承的故障诊断效率。4、提出较为详细的地铁列车滚动轴承声发射故障诊断系统的设计思想。从总体介绍了系统结构框架,然后分别从硬件、软件两个方面介绍了该系统的功能,为研发滚动轴承声发射故障诊断系统提供了很好的设计思路和功能设计方向,为下一步研发工作奠定很好的理论基础。