高速列车轴箱轴承安装在高速列车轴箱中,是高速列车传递牵引力的关键部件。它将轮轴与轴座之间的滑动摩擦转变为滚动摩擦,起到减小摩擦损耗的作用。在实际应用中,高速列车轴箱轴承健康状态的恶化,会产生不可逆的缺陷,形成安全隐患,因此需要实时监测其健康状态。不同于一般工业轴承,高速列车轴箱轴承工作时具有基座非固定安装、机械背景复杂、激振源多的特点,这一特点使得高速列车轴箱轴承故障诊断的研究成果较少。为了推动高速列车轴箱轴承工程实际环境下的故障诊断发展,本文提出无故障数据下的高速列车轴箱轴承故障诊断方法研究的。本文以泛信息理论下的本征融合方法为指导思想,提出了一套完整的无故障数据下的高速列车轴箱轴承故障诊断方法。该方法的核心内容是:对高速列车在运营条件下测得的无故障的轴箱振动信号进行数据预处理、特征提取、特征降维、数据建模,从而获得高速列车轴箱轴承的安全域边界和性能退化数据模型。该方法的主要创新是:提出了一套针对高速列车轴箱振动数据的数据“清洗”方法;提出了一个能较全面表征高速列车轴箱轴承健康状态的320维特征向量;提出了基于t-SNE方法降低安全域边界函数阶数实现安全域边界估计的目的。该方法的优势是:适应当下轨道交通领域真实故障数据难得的客观限制;避开了高速列车复杂的机械结构及相互影响机制的研究,具有较强的工程应用价值。本文在无故障数据样本的情况下研究高速列车轴箱轴承故障诊断方法,一改传统的分内圈、外圈、保持架、滚动体故障分别诊断的研究思路,充分挖掘了样本数据中的有用信息,依据大量样本数据建立了高速列车轴箱轴承的安全域,从域的角度实现了高速列车故障诊断的目的。该方法的研究为提高列车运行安全性、减少维修费用、取消计划性检查、实时通报设备各级保障链、在潜在的灾难性失效发生之前及时捕获状态信息、缩短设备整个生命周期的检修占时等高速列车轴箱轴承智能运维的工业需求提供了技术支撑。