改革开放以来,在国家政策引导下各个领域取得突飞猛进的效果,轨道交通建设无论是在速度、覆盖范围等方面都取得了巨大进步,与此同时高速运行安全问题也随着轨道交通的发展而更加引起注意;作为走行部中重要部件的车轴,承担着车辆平稳运行的重要职责。故监测列车车轴的状态,及时发现故障对于保障列车的高速运行安全、乘客的人身及国家的财产安全都具有重大意义。针对上文所提出的问题现状和研究意义。本文提出了EEMD与多种信息熵结合DBN的车轴疲劳裂纹分类识别的方法以及基于EEMD与多种信息熵结合DBN-NN的车轴寿命预测的方法。在状态监测和故障诊断中声发射技术表现的要比其他传统方法要好的多。故本文通过利用声发射检测技术对车轴疲劳裂纹、噪声和敲击三种类型声发射信号进行实验采集。在特征提取的工作中:首先通过对采集的三类数据信号进行分组处理并对其进行EEMD分解,并利用峭度准则对分解分量进行优选。然后对优选分量进行多信息熵值的获取,并将其作为特征数据输入网络从而减少数据的输入。在模型的建立中:在分类识别网络中,通过对DBN结构模型的构建以及对结构层数、节点数、激活函数、学习率、迭代次数、批量大小(Batch-Size)以及测试集和训练集的分布比例等参数的选取从而得到优化训练的分类识别网络模型。在寿命预测过程中:预测使用DBN-NN结构模型,首先是利用DBN训练模型对数据进行无监督训练,然后通过转入NN结构最终确定寿命预测模型的建立和网络调参。通过根据以上工作内容及所提出的分类识别以及寿命预测方法进行相关方案的对比分析以及通过更换实验数据对所提出方法进行验证。