在城市轨道交通事业高速发展的背景下,行车安全问题成为重中之重,一旦发生事故,将严重威胁乘客的人身及财产安全。而车辆是影响轨道交通运营安全的最重要的因素,而旋转部件关键部件安全至关重要。因此,研究城轨列车轴承等关键部件的故障诊断和剩余寿命预测技术,实现对关键部件性能的准确预测,能够为制定灵活的设备维修策略,从被动维修转向基于设备状态的主动维修提供有力的参考。本文将滚动轴承定为研究对象,开展了基于故障诊断与剩余寿命预测研究,主要研究内容包括:（1）建立了基于声发射技术的轴承故障诊断模型。开展了不同故障下的声发射监测采集实验,提取了Hit驱动参数和时域特征参数。通过观察时域波形和频域故障频率的分布实现故障检测,对比了振动信号反映了声发射技术在突发型信号和早期故障检测中的优势。同时基于Lib SVM模型对声发射RMS特征值进行故障多分类,验证了对不同故障下的精确性。（2）建立了双参数指数贝叶斯轴承剩余寿命预测模型。提出在原有算法的基础上优化性地将阶段性预测的最新后验参数记忆,并作为下一次的参数初始值。针对退化型劣化轴承,以故障诊断结果为依据,选取峰值展开分故障类型的劣化趋势拟合、计算剩余寿命概率分布,输出剩余寿命的均值与3σ置信区间,对实际工程开展维保等后期保障工作提供更充分的信息。（3）建立了基于灰狼算法寻优的RVM轴承剩余寿命预测模型。基于多个监测历史值建立多输入变量下的相关向量机模型,其中运用灰狼算法对混合核函数的权重及各参数寻优,运用信息熵确定历史值个数代表的最佳嵌入维数m。提出增加能够表征轴承劣化过程的多个特征值输入模型,能够有效提高RVM预测结果精度,有效缩小置信区间宽度。（4）建立了两层LSTM的轴承剩余寿命预测模型。结合轴承监测数据具有时序性特点,提出重构RMS的多个历史特征值输入LSTM网络模型,验证了在单个特征值下LSTM具有对长序数据在特征挖掘的优势,提高了轴承劣化后期剩余寿命百分比的预测精准度。另一方面,提出利用预测值进行连续多步预测,通过劣化趋势拟合图,验证了对退化型故障轴承三步提前预测的有效性。