随着中国经济发展日益壮大,国人对于生活质量的要求也越来越高,表现在吃穿住行的各个方面。城镇化进程的加快,使越来越多的人口开始集中,使城市内部和城市之间的交通压力不断增大。为了解决这一问题,我国开始大力发展轨道交通事业。轨道车辆尤其是高速列车的构造十分复杂。并且铁路线路分布在全国各地,运行环境也大不相同。每列列车都在十分严苛的环境中运行,高速列车的安全问题是人们最为关注的问题。车轴作为轨道车辆走行部的核心,承担着来自车体和车辆的全部重量。车轴安全的重要性不言而喻。由于运行环境的恶劣性,车轴部分极易发生故障。一旦运行中的列车产生轴切断裂,将会给人民的财产和生命安全带来不可估量的损失。所以我们有必要对车轴进行故障诊断和风险评估。但是由于车辆构造的复杂性,车轴故障并不容易被发现,很多还都依靠着落后的方法。我们需要找到合适的方法对车轴进行故障诊断和分析。基于在本文中涉及的研究,设计列车车轴疲劳试验,获取到车轴裂纹声发射信号。对声发射信号进行初步整理,将所收集的数据状态按照时间顺序分为三段,定义为初始裂纹阶段、中期裂纹阶段和后期裂纹阶段。以LMD方法与灰色关联分析法结合为主要创新点,并且提出了新的基于事件重要度的加权方法。首先利用对声发射信号进行LMD分解,将非平稳信号分解为一个纯调频信号和一个包络信号。将信号分解至截止条件,得到包含全局的多个频率的分量信号。利用傅里叶变换将分解出来的PF分量时域信号转换为频域信号,求不同阶段每个PF分量信号的幅频谱,计算出幅频谱的均方根平均值,组成每种状态的特征因子,作为关联分析法的标准序列的特征参数。基于灰色关联分析法中特征因子对事件的影响效果是不同的,提出了基于事件重要度的权重计算方法,对灰色关联分析模型进行改进。利用已知裂纹状态的数据对改进灰色关联度模型和传统灰色关联度模型进行准确性验证,计算出风险评估的准确率。结果证明,加权灰色关联度比传统灰色关联度准确率高,利用不同工况的车轴裂纹数据,对文中所提出的方法进行验证,通过计算不同工况下的裂纹数据验证了本文中提出模型的适用性,并且对比了加权灰色关联度与传统灰色关联度的评估效果,讨论了风险识别过程中的人为选择分辨系数对识别结果的影响。通过对关联度进行曲线拟合,描述裂纹萌生扩展的过程,为更好地掌握裂纹的变化规律提供了参考。