随着铁路高速动车组的不断涌现及不断提速形势下,准确检测列车电机轴承运行状态显得十分重要。当前对滚动轴承的故障诊断技术主要有温度分析法、振动分析法、油样分析法、噪声分析法、声发射诊断等,而振动作为一种普遍的自然现象,在工程上包含了丰富的设备异常或故障的信息。振动特征是判断设备运行状态的重要手段,所以普遍采用监测振动信号来判断设备运行状态。首先本文简单介绍了动车组轴承故障形式、形成原因及故障轴承诊断方法的演变,这些方法包括时域参数法、传统傅里叶分析法、基于希尔伯特的小波变换法、基于希尔伯特的小波包变换法、基于相关系数的小波包分析法、基于相关系数的模态分解法、基于相关系数的集合平均经验模态分解法等。然后用Matlab仿真验证各种方法的准确性,通过实验最终选取基于相关系数的集合平均经验模态分解法作为最后判别方法。该方法不仅克服了传统傅里叶分析法中时间分辨率与频率分辨率不能兼顾的问题、小波分析法中严重依赖小波基函数和频带分布不均问题,还克服了经验模态分解法中模态混叠问题。是到目前为止比较理想的诊断方法。最后将程序移植到LabVIEW中,在LabVIEW中编写实时监控程序并完成实时诊断。在这个系统中包含信号实时采集单元、时域诊断单元、频域诊断单元、故障综合判别单元和历史数据记录单元。信号处理部分利用LabVIEW与Matlab混合编程的思想,用Matlab Script节点调用Matlab程序对故障轴承振动信号进行处理与分析,并且通过用户界面显示处理结果,实现了数据的采集、分析与处理、显示、诊断等功能。本文所研究的算法能够应用于系统状态检测与故障诊断系统中,实现在强噪声背景下预测潜在的早期微弱故障,为故障诊断系统的研究提供理论基础,在机械设备故障诊断领域中具有重要的应用价值。