随着我国铁路不断向高速、重载方向发展,轨道车辆系统部件的振动特性以及各零部件之间的振动传递规律,都发生了很大的变化,车辆运行安全性面临巨大的挑战。齿轮箱作为车辆动力传递的关键零部件,它的运行状态将直接影响列车运行的安全性。此外,国内不管是高速动车组还是重载机车均存在过度修、库存配件积压和检修资源利用率不高的问题,因此,优化检修标准势在必行,轨道车辆由定期修转为状态修将成为大趋势。在避免过度修的同时,更要防止失修,这就需要实时监测车辆运行状态。故障识别与量化技术的发展在状态监测以及后续全寿命周期优化等都具有重要的作用。本文主要研究内容包括以下几点:(1)根据现场调研以及国内研究者统计数据,对轨道车辆齿轮箱常见失效形式进行梳理。在此基础上对齿轮和轴承振动特性进行研究,建立了轨道车辆齿轮箱故障识别信号仿真模型,为后续开展仿真分析、验证方法提供模型。(2)针对轨道车辆齿轮箱零部件种类多且尺寸差异大、各个零部件特征频率及其倍频存在重叠、微弱故障很难提取或者极易被强故障和背景噪声掩盖等特征提取难点,设计了针对轨道车辆齿轮箱故障识别的多通道方案,将优化后的形态分量分析与包络解调方法应用到齿轮箱故障诊断中,完成了齿轮箱故障诊断仿真并进行实验验证。(3)运用能量法了计算了不同裂纹深度下齿轮时变啮合刚度,为后续建立的牵引传动系统有限元模型提供数据。(4)为了进一步验证信号仿真模型的准确性以及对故障进行量化,从而确定故障程度,进而为后续预测剩余寿命进行前期探讨性研究,基于有限元方法建立了车辆牵引传动系统动力学模型,通过Newmark-?数值积分方法得到不同裂纹深度下齿轮动态响应。最后,根据简单、快捷的原则,提出了基于时域特征参数和BP神经网络的轨道车辆齿轮量化方法。