铁路因为其安全、运输量大而成为主要交通运输方式之一,而捣固车主要就是针对铁路进行作业与维修的。捣固车由于工作环境及工作强度的问题会产生不同的故障,而滚动轴承作为重要的零部件,其故障的发生会影响捣固车的正常运行。因此,非常需要针对捣固车滚动轴承的故障诊断开展研究。本文就捣固车滚动轴承的故障振动信号先进行了基于改进多小波阈值的故障信号降噪,并在此基础上研究了一种基于总体经验模态和能量熵结合的故障特征提取方法,后就故障诊断采用了模糊神经网络的分类方法,并进行仿真实验分析。本文先介绍了小波分析和多小波分析的理论,在此基础上提出了一种改进阈值函数的多小波阂值降噪方法,并研究了一种基于总体经验模态和能量熵相结合的故障特征提取方法,将两者都应用到捣固车滚动轴承故障信号的分析中。首先针对信号先进行多小波函数和预处理方法的选取,并将相关系数和低频峭度比作为评价标准,然后采用改进阂值函数对含噪信号进行多小波分层降噪,最后利用总体经验模态分解得到降噪信号的多个IMF分量,并采用能量熵构成故障特征向量。在介绍了模糊神经网络的相关理论后,研究了基于自适应模糊神经网络在捣固车滚动轴承故障分类的应用,并通过与BP神经网络方法进行结果对比分析。实验结果表明改进的多小波阈值降噪方法可以达到更好的降噪效果,而且本文所采用的故障特征提取方法能够很好的为后续故障诊断提供丰富、准确的故障特征信息。并且基于自适应模糊神经网络可以很好的应用到捣固车滚动轴承的故障类型的识别中。