随着铁路的不断发展,机车的安全性能变得更加重要。轴承作为机车运行的关键部件,其健康状态将直接影响机车的运行。因此,研究机车轴承的故障诊断具有重要意义。为了能够有效地提取机车轴承的故障信息,本文研究了基于经验小波变换的轴承故障诊断方法。主要研究工作如下:研究了小波变换、小波包变换和经验模态分解(Empirical Mode Decomposition,EMD)方法,并通过数值实验对三种方法进行分析。小波变换和小波包变换过程中的频带划分均与信号本身无关,与信号的采样频率和分解层数有关。它们的分解结果与选取的小波函数有关,而小波函数的构造与信号本身无关。同时,它们的小波基函数需要先验假设,使得其缺乏自适应性。EMD方法是基于信号本身的时域特征来分解信号,并且不需要预先定义任何基本功能。该方法的基函数与频带划分完全是由信号本身的特征尺度决定的,其分解具有自适应性,但它缺乏完备的数学理论基础,同时还存在过度分解等缺陷。研究了基于经验小波变换(Empirical Wavelet Transform,EWT)的机车轴承故障诊断方法。通过信号的傅里叶频谱局部极大值对应的频率计算划分频带的边界,以此划分信号的分析频带,然后再基于子频带构造正交小波滤波器组对信号进行自适应分解,以获得故障特征分量。但EWT分解信号时,频带划分容易受噪声分量的干扰,导致划分结果出现误差。为了解决EWT频带划分易受噪声干扰的问题,研究了一种基于信号频谱包络的EWT改进方法。首先对强噪声背景下的信号频谱采用三次样条插值求取其包络,以削弱噪声频域峰值对频带划分的干扰,然后选取频谱包络的局部极大值对应的频率来计算划分频带的边界,以频带划分边界为基础构造正交小波滤波器组,对信号进行分解。将基于频谱包络的EWT改进方法应用到滚柱轴承故障特征提取中,有效提取了轴承故障特征。基于信号频谱包络的EWT改进方法在对信号的频谱作插值包络时,容易出现过冲、欠冲和不完全包络等现象,造成局部极值或无极值的情况。针对以上不足,研究了一种基于时频峭度谱的EWT改进方法。通过时频变换求取信号的时频峭度谱,由其峭度谱局部极小值对应的频率作为子频带的边界,然后构造正交小波滤波器组对信号进行EWT分解。该方法应用于机车行走部轴承的故障提取,并取得了理想的效果。