滚动轴承是列车转向架系统旋转部件的重要组成部分,其良好运行状态是列车安全的重要保证,故对列车滚动轴承故障诊断方法研究具有重要的意义。因此,本文以机车滚动轴承为研究对象,以轴承振动信号为着手点,对滚动轴承故障机理、振动信号特点、故障特征频率的提取方法进行了一系列研究,主要工作内容如下:首先,在工业各个行业的应用基础上系统的阐述了此课题的研究背景和意义,然后对该领域故障诊断研究现状,振动信号的分析方法,轴承结构形式、失效类型,振动机理作了较为全面的阐述,介绍了轴承不同部件故障特征频率的计算方法。对实验所用试验台、信号采集仪等做了详细介绍。其次,针对最大相关峭度解卷积(aximum correlated kurtosis deconvolution,MCKD)算法的滤波参数L的选取困难问题,本文提出峭度值结合故障特征频率能量比值的复合指标方法确定L,同时对处理后的信号进行Teager算子解调,可以大幅增加冲击特征成分,准确提取故障特征。对比了改进前的MCKD方法,结果表明经过所提方法选取的滤波参数,故障特征能够被更精确地提取出来,Teager能量算子解调出的故障特征能量远大于直接频谱解调,故障特征更加明显。再次,滚动轴承变工况下振动信号非平稳且幅值、频率都是时变的,若直接进行频谱分析将出现“频率模糊”现象。针对这一问题,提出了基于改进变分模态分解(variational mode decomposition,VMD)和阶比分析相结合的变转速工况下滚动轴承故障诊断方法。首先,对时域故障信号进行阶次跟踪等角度采样,从而实现故障信号由时域到到角域的转换,然后利用改进VMD对角域信号分解得到若干本征模态分量,最后对相应分量进行阶次谱分析,由阶次谱判断滚动轴承故障类型。定量分析该方法与直接阶次跟踪分析的效果,结果表明该方法对变转速轴承振动信号有良好的诊断效果,显著优于直接阶次分析。最后,针对传统振动信号分析大都是离线处理,存在系统体积大、实时性差的问题,设计了以内嵌ARM Cortex-M0内核的W7500P芯片为核心的嵌入式故障诊断系统。该系统借助于嵌入式硬件平台,将信号采集、处理、传输集成于一体在嵌入式硬件平台上进行执行,能够实现故障的实时在线诊断。最终,将经典共振解调法的MATLAB算法程序移植到嵌入式系统中用于实现轴承故障特征的提取。实验结果表明,将此方法应用到此嵌入式系统中可以快速有效的完成故障特征的提取,实现滚动轴承故障的精确判断。