城市轨道交通是我国城镇化和城市现代化的全局性和支撑性的基础设施,是城市综合交通的骨干交通方式。截止2012年底,全国城市轨道交通规划总里程超过14000公里,覆盖53个大中城市；截止2013年底,全国累计批复36个城市的轨道交通建设总里程约6000公里；累计建成开通运营总里程已达2266公里。如何保障城市轨道交通系统的运营安全,提升运营维护水平,降低全生命周期运营成本已成为我国城市轨道交通可持续健康发展的瓶颈问题,迫切需要研发适应我国国情和运营管理机制的包括城轨列车走行部轴承运行状态在途检测、故障诊断和预警技术在内的轨道交通安全保障技术与装备体系。本文以形成符合国情和自主知识产权的城轨列车走行部轴承运营状态在途监测及预警关键理论技术与相关系统为目标,形成了具有普适意义的如下理论方法和关键技术及装备：本文对城轨列车走行部轴承在途故障诊断展开以下研究：1.深入研究了城轨列车走行部轴承结构、振动机理和故障形式及原因,提出了多因素(径向游隙、转速、载荷、波纹度等)综合作用下的城轨列车走行部轴承静、动力学模型。分析了不同因素对系统的影响,得出轴承内在结构以及外部原因与征兆表现之间的内在联系和映射关系,再结合城轨列车特定运营环境,确定走行部轴承的监测参数与监测部位,为后续城轨列车轴承疲劳寿命评估和在途故障辨识提供理论和技术支撑。2.基于获取的实时动载荷数据,并在轴承疲劳寿命分析理论的基础上,构建了时变工况下城轨列车走行部轴承的疲劳寿命评估模型。首先系统分析了不同参数(转速、载荷、节径、滚动体数目)对轴承疲劳寿命的影响,在此基础上,结合轨道交通列车时变运营工况,建立了变工况下走行部轴承疲劳寿命模型,并利用广州地铁时变工况环境下的数据对模型进行了测试,验证了模型的合理性和有效性。3.从基于实时数据特征提取方面考虑,提出了面向城轨列车走行部轴承多智能算法融合的在途故障辨识方法。在研究小波分析、包络分析、经验模态分解、神经网络、遗传算法等信号处理方法基础上,融合谐波小波良好的时频局部化特性和包络解调的优点,设计了基于谐波小波包络分析的城轨列车轴承故障辨识方法；基于小波包的时频性和神经网络的自学习、自适应性,构建了基于小波包神经网络的城轨列车轴承故障辨识方法：结合经验模态分解方法精细的时频解析度、神经网络的自学习、自适应性和遗传算法的全局搜索能力,建立了基于时频域多维特征参量和遗传神经网络的城轨列车走行部轴承在途故障辨识方法,并利用不同工况下的故障数据对算法辨识精度和实时性进行测试,诊断结果表明面向城轨列车走行部轴承多智能算法融合的在途故障辨识方法具有较高的辨识精度和较快的诊断效率,从而为在途故障诊断系统的研发奠定基础。4.基于城轨列车走行部轴承多智能算法融合故障辨识方法的研究成果,并结合广州地铁现有安全监测装备,设计了城轨列车走行部轴承在途故障诊断系统,并通过试验台数据验证了该系统故障辨识的准确性和实时性。