随着我国城市化进程不断推进,城市交通系统面临越来越大的压力,而城轨列车作为一种快速高效的交通方式,也更多地被投入使用。滚动轴承作为城轨列车的关键部件,其运行状态的好坏直接影响着城轨列车的运行安全,所以对滚动轴承进行在途监测具有重要意义。本文在总结前人的工作的基础上,研究城轨列车滚动轴承的故障诊断方法,本文的主要工作如下:首先,概述了城轨列车的滚动轴承的构造及振动机理,分析了滚动轴承主要的故障形式及其对应的故障特征频率,并对滚动轴承常用的特征指标进行总结。其次,提出了基于奇异谱分析和线性自回归模型的特征提取方法,利用奇异谱分析将原始信号分解为多个分量,去除贡献率较小的分量重构成新信号,从而实现去噪,再将重构信号应用线性自回归模型进行建模,提取模型的系数作为信号的特征。然后,对提取的特征向量应用K近邻和旋转森林法进行滚动轴承的故障模式识别。在K近邻方法中,通过改进的欧式距离来定义距离度量准则,计算测试样本与各故障之间的距离从而判断测试样本所属故障模式;在旋转森林方法中,以决策树作为基分类器,通过构建不同的训练特征集,增加基分类器之间的差异性,增加诊断结果的精度。通过实验发现上述两种方法均可实现对滚动轴承故障的准确识别。最后,基于上述研究成果,开发了城轨列车滚动轴承在途监测系统,对系统的软硬件进行设计,并设计了相关的通讯协议,最后以城轨列车的实测数据进行验证,结果表明所提方法的准确性和工程可行性。