近些年,我国重载铁路、高速铁路得到了飞速发展,动力学与振动问题也更加严重。在铁路行业中幅度较大的振动给机车运行安全带来的隐患也是极其严重的,小则引起机车控制线路信号丢失,大则引起机车走行部件裂损脱落,甚至有可能引起机车掉道、颠覆。而轮对的状态代表着振动的大小,因此铁路部门对机车轮对状态监测与故障诊断高度重视,针对轮对状态监测与故障诊断,依据不同的检测原理,开发了多套检测系统。然而不同的检测系统,受外部环境因素的影响,在轮对状态监测与故障诊断过程中有时对诊断的精度难以保证。在此基础之上,本文以多传感器信息融合为背景,对比分析了当前铁路行业所使用的机车轮对状态监测与故障诊断系统的优缺点,提出了基于多传感器信息融合技术的轮对综合评价方法。本文以机车轮对故障为研究对象,首先介绍了轮对故障诊断技术的发展,对轮对状态监测与故障诊断技术的发展趋势进行了分析,同时对信息融合技术发展应用进行了简单介绍,并对踏面磨耗、擦伤、剥离以及多边形等轮对常见故障进行了分析。其次对目前铁路行业所使用的三种机车轮对状态监测与故障诊断系统原理以及技术特点进行了对比分析,并对信息融合技术进行了研究,对比分析了信息融合的常用算法原理、技术特点,提出采用目前理论成熟、应用范围广的BP神经网络算法。然后通过对现场机车轮对数据分析过程以及关键项点进行了调研。根据现场调研情况结合建立评价指标体系的原则,通过选取机车轮对评价指标,构建了机车轮对状态评价指标体系。最后根据前文建立的轮对状态评价指标体系,结合现场实际案例选取样本数据,对样本数据进行了处理之后根据相关经验及公式确定神经网络模型的网络结构和训练参数,构建训练了多传感器信息融合机车轮对状态综合评价模型,并以实际案例数据为测试样本,对机车轮对状态综合评价模型进行了验证和数据分析。最后通过对比人工分析与模型评价结果,验证了本文所构建的基于信息融合的机车轮对状态评价模型具有可行性、有效性,能够提高现场对机车轮对状态的判断、处置,有效地为检修以及安全运行发挥作用。