电力机车可能发生的故障是有很多类型的,但对于机车的“大心脏”——牵引电机来说,一旦发生故障,很有可能对列车造成颠覆性的毁灭,尤其是运行中的电力机车。因此对电力机车牵引电机的故障诊断方法要结合现场实际,才能及时的针对牵引电机的故障做出一个准确的判断并提出合理的检修计划,让牵引电机能够“健康”运行,也能避免电力机车的行车事故。根据调查了解到,某铁路局集团公司下属的某大功率机务检修段对HXD1D型电力机车牵引电机滚动轴承的检修方式是:当该型电力机车的齿轮箱严重报警,或JK00430机车走行部车载监测装置诊断建议更换或落轮检修时,才会将机车走行部拆卸检查各部分的故障情况。由于检修章程完全依靠机车主要故障来制定,且拆卸后的牵引电机是否存在故障还需要人工手检来确定,有时是直接报废换新,所以导致牵引电机的检修过程耗时也耗材,特提出了一种与该段实际情况相结合的诊断方法,以达到能够针对该段该型机车牵引电机轴承故障的有效诊断。本文从设备的故障诊断技术出发,对目前存在的故障诊断方法进行了分析和研究。选择了改进的经验模态分解法（Empirical Mode Decomposition,EMD）和Hilbert变换相结合的振动信号分析方法分析信号;选择了RBF神经网络（Radical Basis Function,RBF）做轴承信号的自动识别。为了提高诊断方法在现场中的适用性,本文结合所选故障诊断方法设计了一个电机轴承故障诊断系统,该系统采用MATLAB中的用户界面设计应用GUI作为编程软件的基础,通过编程实现现场环境下的电机轴承诊断过程,从而对牵引电机轴承的故障进行诊断,为现场HXD1D型电力机车电机轴承故障诊断提供了一种可行的诊断技术方法。具体研究内容如下:（1）为了抑制EMD分解法产生的模态混叠和端点效应问题,本文采用有理三次Hermite插值法来改进EMD分解过程,通过对信号的分析和优化,获取最佳包络曲线,以改进EMD分解法的分解精度和模态混叠问题;采用镜像延拓法预测起始或结尾端的部分信号,在其前或后延长信号,使得原始数据不会发散,改进了EMD分解法的端点效应问题。（2）为了改进EMD分解法和Hilbert变换相结合所绘制的包络谱图故障信息不够明显的问题,提出了一种基于Hilbert包络谱提取有效峰值信息的方法,构建故障特征参数向量,为神经网络的训练做准备。（3）为了解决依赖人工分类识别的问题,将提取出的故障特征参数向量输入进RBF神经网络模型,训练神经网络,利用人工神经网络方法来实现类人识别分类的过程,结果表明该方法能够有效地进行故障识别,且具有较高的识别率。（4）为了提高现场电机轴承的故障诊断效率,开发了一套配合现场检修情况的电机轴承故障诊断系统,该系统采用MATLAB软件中用户界面设计模块（GUI）进行编程,通过验证显示该系统能够较为准确地应用试验台采集的信号对牵引电机滚动轴承进行故障诊断,且结果具有一定的准确性和参考价值。