轴承和齿轮箱作为城市轨道交通列车走行部中的关键部件,在轨道交通列车正常运行中发挥着十分重要的作用。一旦发生故障,不仅会影响轨道交通列车运行的平稳性,还会对列车运行安全造成威胁。所以,对轨道交通列车走行部中轴承和齿轮箱的故障进行及时有效的检测和诊断具有十分重要的意义。实际情况下,轨道交通列车轴承和齿轮箱故障信号大多都包含复杂的分量信息,已有的故障检测方法,在用于分析实际故障信号时大多存在缺陷。在此研究背景下,本文提出了一种基于经验小波变换(Empirical Wavelet Transform,EWT)的故障检测分析方法。该方法采用经验小波变换(EWT)方法对故障信号进行分解后,根据文中提出的峭度公式计算出的特征值筛选出包含敏感故障信息的本征模态函数(Intrinsic Mode Function,IMF),并采用快速峭度(Fast Kurtosis,FK)法对筛选出的本征模态函数(IMF)进行分析。本文采用该方法对轴承故障数据,齿轮箱故障数据进行检测分析,通过与已有故障检测方法的对比,证明通过该方法能够分析得到其故障频率信息,且误差率低于已有的故障检测方法。本文采用该方法对轴承故障数据,齿轮箱故障数据进行故障特征值提取,并与未经处理的原始故障信号,经既有方法提取的故障信息用于分类实验。通过实验证明,采用该方法提取的故障特征值能充分表征其故障信息。