当前我国铁路发展迅速,动车组的保有量日益增大,对动车组设备故障诊断的研究越来越重视。轴承作为动车组运行中的重要部件,由于其载荷较大、运行环境复杂等原因,常发生故障。动车组在运行时,故障轴承会对安全运行造成很大的影响,所以对轴承温升的研究已成为一个重点研究方向。动车组轴温的变化受各种因素的影响,且温升曲线具有非线性特点,随着科学技术的发展,对动车组的轴温预测精度要求越来越高,而关于轴承温升预测方面的研究并不多。因此,本文主要进行了了关于动车组轴承温升实时预测的的研究,其内容主要包括以下几个方面:（1）介绍了本选题的研究背景和研究目的及意义和国内外的研究现状,对轴承各元件和故障机理进行简单描述分析,针对轴承的承载特点和失效形式进行分析。为后续的轴承故障特征提取提供了一定的理论依据。对轴温数据的特性进行分析,通过统计学方法分析轴温特征数据的影响因素。通过对轴温数据的分析以及皮尔森相关系数的引入得到该动车组在特定线路下的主要影响因素,为后续的建模提供理论支持。最后对采集到的轴温数据通过欧氏距离法进行预处理,保证了数据的完整性和准确性。（2）通过对BP神经网络轴承温度预测的学习,对BP神经网络进行结构设计,然后通过训练数据训练模型,建立基于BP神经网络的动车组轴承温升预测模型,通过模型对轴温进行预测,得到预测结果。对BP神经网络的预测结果进行分析,结果表明该模型的预测效果较为理想,但是在针对异常数据的预测时,误差较大。（3）提出了一种基于极限学习机ELM的动车组轴温预测的方法。此模型利用了某动车组在某特定路线中采集的轴温数据完成模型的训练,并对轴温进行预测。提出四个误差评价标准,对预测结果进行误差评估,发现模型预测效果较为理想,且在对于异常数据的出现时,预测效果相较于BP神经网络预测模型更好。（4）针对某型动车组的轴温监测装置的工作原理进行简要介绍。基于LabVIEW建立了动车组轴温监测系统,通过对正常轴温和异常轴温的验证,论证了该系统对轴温有较好的预警功能。该系统十分简便,能实现动车组轴温初步预警,便于使用。在一定程度上能减小动车组的误报警几率和故障停车时间,保证了动车组的安全运行。