重载列车运行过程中的各种安全问题直接影响着铁路运输及国民经济,而轴承故障是导致其发生安全事故最主要的原因,长期以来受到了国内外各界的广泛关注。采取非接触式研究方法即其声音信号进行诊断逐渐成为目前研究的重点。本文采用小波包分析对轴承故障信号进行分析,进而提取其倒谱特征参数,最后以基于遗传算法的BP神经网络为工具对其轴承故障的集成诊断进行了理论与实验的研究,主要研究工作有以下几个方面：1、分析了重载列车轴承故障产生的原因,及其各种类型故障的区别及其特征频率,通过对声音信号产生的机理分析,提出了相应的声音信号采集及预处理方式。2、通过对各类基小波优劣的分析,本文选用db5作为基小波,为了更完整的分析整个故障信号特征本文采取小波包分析对故障信号进行分析,加强了诊断的可靠性,在将故障声音信号使用小波包处理后,分别采用LPCC及MFCC两种方式对所采集的故障信号进行倒谱特征提取。3、针对传统BP神经网络学习速度慢、不能保证收敛到全局最小以及学习、记忆的不稳定性等缺陷,本文提出了使用遗传算法对其初始权值及阈值进行优化,并将其应用于轴承故障的集成诊断过程中,通过对故障信号的倒谱特征进行分析并确定具体故障类型,然后通过MATLAB仿真实验证明其比传统BP神经网络更加的迅速而有效。