列车轮对轴承作为列车轮对的一个关键组成部件,如果轮对轴承发生故障,就有可能会影响到列车的行车安全。很多列车故障的发生都是由于轮对轴承出现某些问题所引发的,所以对轮对轴承的状态监测与故障诊断就显得至为重要。一般轮对轴承发生故障时,往往不止一个故障单独存在,而往往是有多个故障同时存在。如何对频率成分混叠的混合信号进行较好的分离,在很长一段时间以来都是人们研究的热点。传统的小波分解、经验模态分解等只能将信号分解到不同频率段,而不能有效解决多个信号频谱重叠的问题,独立分量分析的提出,给这一问题的解决带来了希望。因此,本文以列车轮对轴承为具体研究对象,针对其在发生复合故障时的故障特征分离问题,提出基于ICA(Independent Component Analysis,独立分量分析)的轮对轴承复合故障诊断方法。利用独立分量分析能够把混叠信号分解为表征源信号的若干个独立分量的这一特点,将各个轴承故障信号源从传感器采集信号中分离出来。通过实验仿真和实际的案例分析,证明了本文方法在轮对轴承故障特征分离上是有效的。论文对轮对轴承故障振动的机理进行了分析,在此基础上建立了列车轮对轴承单一故障和复合故障的数学模型,并通过MATLAB仿真实现了模型。然后设计了列车轮对故障诊断的硬件与软件系统,介绍了故障诊断软件系统界面的使用方法,重点对列车轮对轴承的外圈故障、内圈故障、滚动体故障以及存在这三种故障的轴承复合故障进行了测试,取得了较为满意的测试结果。