随着我国铁路事业发展的越来越好,高铁更是成为了中国的名片,走向世界。列车在速度和平稳性上面都取得了很大的进展。当然,在不断地追求速度上提升的同时,还更应该考虑安全性的问题。机车车辆运输的安全问题受很多方面的影响,车轴是机车车辆很重要的部件,车轴的大部分失效是由疲劳引起的疲劳裂纹,疲劳裂纹会导致车轴损坏或疲劳断裂,从而导致事故的发生。为了解决列车车轴可能出现的疲劳裂纹检测问题,本文使用的是声发射技术,提出了 DTCWT-DBN疲劳裂纹声发射信号实验数据分析的方法,其研究的关键在于声发射信号特征提取和识别,小波变换在信号提取中取得过许多成功的应用。对双树复小波(DTCWT)、离散小波(DWT)、经验模态分解(EMD)和集合经验模态分解(EEMD)的特性进行比较,最终采用双树复小波对声发射信号进行预处理以反映故障特征信息;同时采用深度信念网络对列车车轴可能存在故障状态问题进行故障状态分类识别,使用主成分分析对深度信念网络各隐藏层进行数据可视化,并将上述特征提取方法和深度信念网络结合起来应用到列车车轴疲劳裂纹的故障诊断中。通过对列车车轴声发射信号进行特征提取及识别结果可知,基于双树复小波和深度信念网络的故障识别方法对于车轴信号类型的识别具有较高的识别率,和BP、SVM相比,具有更高的识别率。