滚动轴承在旋转机械中起着重要作用,同时,也是机械零件中最容易发生故障的零部件之一。一旦滚动轴承发生故障,在列车的高速重载运行中,故障会进一步扩大,从而造成热轴、燃轴、切轴最终导致列车颠覆等安全事故。为了保障铁路运输的安全运行,对滚动轴承故障诊断的研究是有着切实意义的。本文针对货车滚动轴承常见的几种故障,利用声发射技术,选择小波包分析为信号主要处理方法,建立了一个基于小波包分析与神经网络识别相结合的方法体系。论文系统介绍了滚动轴承的失效形式及失效原因,及常用的关于滚动轴承故障诊断的方法与技术。通过对比分析,提出了基于声发射技术的滚动轴承诊断方法。介绍了滚动轴承的声发射诊断技术机理和几种声发射信号处理方法。细致阐述了小波分析的基本理论与算法及其在声发射信号处理中的应用。提出了基于小波包分解频带能量监测法,对滚动轴承的几种典型故障进行了诊断,并且提取特征向量,为后续的神经网络识别作准备。利用神经网络的非线性映射功能,建立神经网络,实现滚动轴承运行状态和声发射信号特征向量之间的映射关系,对提取的滚动轴承故特征向量进行网络训练,得到了理想的识别结果。