高速列车的安全性态是列车服役性能监测中的核心内容。高速列车在长期服役过程中转向架的关键部位发生故障,安装在各个关键位置上的传感器信号中包含着丰富的故障信息,采用合适的信息处理的方法对故障信息进行分析,可有效实现高速列车转向架状态反演和识别。针对高速列车转向架最常出现8种位置的抗蛇行减振器故障、4种位置的横向减振器故障、2种位置的空气弹簧故障共15种工况的振动信号,构建了一套完整有效的基于信息融合的高速列车转向架故障诊断体系,能够系统有效地对转向架振动信号实现故障类型的识别、故障定位。本文主要完成了以下研究：1)仿真模型的构成和仿真数据的生成。采用动力学仿真软件SIMPACK,针对列车模型,设置不同的工况参数,生成各种类型、各种位置的仿真数据。2)故障类型识别。研究了时域、频域、时-频域的4种信息熵特征对表征高速列车转向架振动信号的含义及在故障识别中的适用性。结合信息融合理论,给出了4种双通道融合的信息熵,有效地实现了原车、8种位置的抗蛇行减振器故障、4种位置的横向减振器故障和2种位置的空气弹簧故障等15种工况的4种故障类型的识别。3)故障定位。针对当前高速列车转向架故障诊断中依靠随机抽取的状态信息进行诊断所存在的不足,采用基于过程信息融合的信息特征提取方法处理不同位置的故障数据,给出基于过程信息融合的多测点信息特征提取-特征选择-维数约简-支持向量机模式识别的故障诊断模型。首先,针对同类型不同位置的故障信号,分别构造了基于时域奇异谱熵的多测点信息矩阵,分别构成了高维特征矢量。仿真结果证明了基于过程信息融合的多测点信息特征提取方法的有效性。为了剔除高维信息特征中存在的冗余特征,本文结合了基于ReliefF、Fisher比率、马氏距离的多准则排序融合的特征选择方法和基于ISOMAP算法的流形学习降维方法,结果表明,该方法能够有效降低特征维数,提高故障定位的正确率。4)本文在高速列车转向架故障诊断领域,构建了一个基于信息融合的故障诊断系统,对振动信号有效实现了故障类型的识别和故障定位。其诊断流程如下：首先,通过双通道多域信息熵特征对待检测振动信号进行故障类型的判别；然后,针对同类型不同位置故障,通过基于时域奇异谱熵的多测点信息特征进行故障定位。实验结果表明,该系统功能全面、诊断准确率高。本文工作得到国家自然科学基金重点项《基于监测数据的高速列车服役安全性态评估的关键问题研究》(No.61134002)的资助。