轴箱轴承是轨道交通列车转向架的重要组成部件之一,可以将转向架轮对的回转运动转换为列车沿着轨道方向的移动,同时也承载着列车车体的载重。在长时间的高速回转及大载重的耦合作用下,轴箱轴承由于其运行环境复杂,极易发生故障。若轴箱轴承发生故障失效,将极大影响列车的行车安全。因此对轴箱轴承运行状态进行监测的工作非常重要。目前,对轴箱轴承的健康状态进行监测的数据常采用振动数据、温度数据和声音信号。本文主要从声音监测数据出发,进行轴箱轴承的故障诊断算法研究,主要研究工作如下:（1）对轴箱轴承的振动噪声机理进行了分析,推导并列出了轴箱轴承故障频率计算公式及各种故障工况下会产生的基本特征频率。通过对轴承结构的分解,分析了轴承不同部件所会引起的振动及对声压叠加的影响。建立了轴承声学信号数值仿真模型,可提取不同故障工况下轴承的声音信号,建立了仿真模型数据库。（2）在课题组原有的高速列车轴箱轴承试验台的基础上,进行了重新搭建与改造,大大提高了故障轴箱轴承的使用更换效率,实现了添加不同垂向静载,实时调节轴承转速与激振频率,构造复杂多变试验工况的功能,最终建立了故障轴箱轴承声音试验数据库。（3）提出了一种基于频谱白化和能量算子相结合的轴箱轴承声音信号故障特征提取方法。该方法首先通过AR模型滤波器对声音信号进行降噪滤波,然后在频域内对信号进行白化处理,消除离散频率的影响,并结合其平均能量值,构建了白化信号,最后通过能量算子解调提取出数据的特征频率,与理论特征频率进行对比验证,确定了故障发生部位。（4）针对频谱白化能量算子解调算法中存在噪声干扰频率的现象,提出了一种解卷积滤波和互相关谱相结合对轴承声音信号特征进行提取的方法。该诊断方法首先通过使用解卷积滤波器对原始数据进行降噪滤波处理,提高了信号的信噪比,计算滤波信号的希尔伯特包络与能量算子,并对两种解调信号进行互相关分析,计算求解该互相关序列的频域谱,从频谱图中寻找声音信号的特征参数。通过使用模型仿真数据和采集的试验数据,验证了该诊断方法的有效性。