在中国,城市轨道交通迅猛发展,各大省会城市都在进行建设或规划自己的城轨,其运营安全越来越受到关注。转向架轴承是地铁车辆中的关键部件,其状态对车辆的安全运行至关重要。因此,对列车转向架轴承故障诊断具有很大的现实意义,而如何对其进行在线智能故障诊断是一个值得研究的重要问题。振动信号中往往含有与故障相关的大量信息。本文基于小波包-包络分析对转向架轴承故障诊断方法作了深入的研究。论文首先介绍了滚动轴承的典型结构和故障形式,研究了地铁转向架轴承的振动机理,推导了滚动轴承的故障特征频率。这是利用振动信号对其进行故障诊断的理论基础。故障诊断包括故障特征提取和故障模式识别两大部分。本文将小波包分解与重构和Hilbert变换结合起来,通过获取振动信号各频段的包络谱将故障特征有效提取出来,使之更易识别。针对现有智能故障诊断方法的弊端,本文提出了故障识别搜索算法这一智能模式识别方法。该搜索算法完全采用计算机模拟人“观察”频谱图,对提取的故障特征进行有效模式识别,进而诊断出故障情况,为故障的自动智能诊断打下了坚实的基础。为了验证上述方法的有效性,设计并搭建了轴承故障诊断试验台,基于此试验台对广州地铁车辆转向架轴承内圈、外圈和滚动体故障分别进行了测试,结果证明该方法能够准确诊断出列车转向架轴承故障。最后论文设计了地铁列车转向架轴承在线故障诊断硬件装置,并基于本文提出的诊断方法对该装置进行了测试。该装置能对上述三种故障做出准确诊断,具有一定的工程实用性。