随着高速铁路迅猛发展，通行里程不断增加，我国已迈进高铁时代。然而高速列车在长期服役过程中安全性态恶化，直接影响列车运行安全与运行品质。目前通过在列车安装传感器对关键部位进行跟踪监测，已获得海量包含大量列车运行状态信息的监测数据。如何从监测数据中对这些有用信息进行提取，对列车运行状态识别及运行安全评估至关重要。考虑到监测数据具有非线性和非平稳性的特点，本文采用对非平稳信号处理具有良好效果的时频原子方法对其进行特征分析。本文主要对列车正常状态以及空簧无气、抗蛇行减振器故障、横向减振器故障三种故障类型进行研究，主要工作及研究成果如下:　　1.本文首先分析了高速列车转向架关键部件空气弹簧、横向减振器和抗蛇行减振器的作用，并对监测数据进行时、频域的初步分析，对不同工况下监测数据间的差异进行诊断。针对监测数据存在异常值及故障特征信息集中在0～20Hz范围内等特点制定预处理方案。　　2.对信号时频原子方法分解过程进行深入研究，提出分解能量衰减率特征。对部件失效监测数据时、频域信号进行仿真实验，分别提取能量衰减率特征。采用支持向量机分类器对正常无故障工况、空簧无气、横向减振器失效、抗蛇行减振器失效、抗蛇行减振器失效+横向减振器失效、抗蛇行减振器失效+空簧无气、横向减振器失效+空簧无气共七种工况进行识别，并结合监测数据意义对识别结果进行分析。　　3.为了更加贴近列车实际运行情况，本文针对单一减振器故障工况进行了研究。首先针对抗蛇行减振器安装位置情况，将故障类型进行合并。之后通过对支持向量机识别情况进行分析，提出多通道联合分析方案，对抗蛇行减振器故障位置进行识别。最后分析单一横向减振器故障工况下监测数据特征向量在特征空间的分布，提出以转向架为识别目标，对发生横向减振器故障的转向架进行识别。