列车轮轴组是列车转向架的关键结构。轮轴组结构和功能的完整性对列车安全运行至关重要。及时发现列车轮轴组出现的故障，能够尽早地消除安全隐患，保证客户人身和财产安全。传统的检测方法是在列车进站停车时技术工人凭主观判断轮轴组状态，很难发现早期的故障。本文首先深入研究了货车运行早期故障轨边声学诊断系统，对系统特征提取、故障诊断等难点进行了分析、设计，在铁路沿线进行了实现。本文的研究对象是运行列车轮轴组主动发出的声音信号，通过实时数据采集，采用特征提取和模式识别的方法诊断出列车轮轴组的早期故障。声音信号的采集由安装在铁轨两侧的声音信号采集系统完成，实现了高速、高精度的信号采样和高带宽的数据传输。声音信号采集系统的主要组成部分包括PC104工业计算机、模拟信号采集卡和声学信号传感器。声音信号采集系统通过网络将数字化的音频文件发送给数据处理服务器。其次，本文探讨了信号预处理、特征提取和故障分类。这些工作是在数据处理服务器完成的。信号预处理环节首先采用数字滤波器算法对信号进行降噪，然后结合磁钢信号文件确定出每个轮轴组的声音信号在音频文件中的位置，最后完成轮轴组声音信号分离、合成。特征提取和故障分类是本文的研究重点，也是诊断系统中的难点。特征提取需要采用合理的算法从复杂的背景信号中提取出轮轴组的特征信号。本文对傅立叶变换、小波变换和希尔伯特-黄变换等多种时频分析算法进行深入的研究。用MATLAB仿真验证算法的合理性和有效性，并将有效的算法用C语言实现。最后本文采用模式识别的方法完成故障诊断。为完成故障的智能诊断，采用了人工智能领域比较前沿的一些技术，包括模糊识别和神经网络识别。模拟人类的思维方式，根据提取出的故障特征，在计算机上实现智能地诊断出轮轴组故障的位置、程度。货车运行早期故障轨边声学诊断系统经过了现场安装调试，在测试过程中完成了基本的诊断功能。作为列车安全监测的重要部分，系统能够在线智能地诊断出列车轮轴组的早期故障，有效地改善了传统检测方法的不足。