随着高速铁路和铁路信息化的快速发展,以及我国高速列车的高性价比,已使“中国高铁”“中国技术”走出中国,走向世界。高速铁路在给人们出行带来极大方便的同时,也使人们更加关注高速列车的运行安全问题。而轴承作为高速列车传动系统上的重要零部件,其运行状态的好坏直接影响着列车的行车安全。目前高速列车主要通过车载轴温监测装置实时监测轴承温度变化,设置固定的报警阈值来判别故障并采取相应补救措施。但随着高速列车的维修模式从“计划修”逐步进入“状态修”甚至“预防修”,根据零部件当前的运行状态情况,对故障进行评估,提前预防逐渐成为研究的主要方向。因此,本文基于高速列车轴箱轴承、大齿轮箱轴承和小齿轮箱轴承温度相关数据,对高速列车轴承温升趋势预测方法进行研究,以实现有效保障列车运行安全,减小维修压力等目的。论文主要研究内容如下:首先通过对高速列车轴温监测数据的分析,针对原始数据数量庞大和部分缺失等问题,实现数据的预处理。并针对高速列车运行时,同车同线路轴承温度变化特点进行分析。根据高速列车轴承温度数据的时序特点,利用高速列车的历史轴温数据通过Eviews软件建立时间序列ARIMA温度预测模型,并对高速列车轴承温度进行一步和多步预测分析。然后针对高速列车轴温受多种敏感因素影响等特点,通过相关性分析完成轴温相关数据特征的提取建立样本集,然后通过Matlab软件建立基于支持向量机的高速列车轴温预测模型,并采用粒子群优化算法对核函数和惩罚因子参数进行优化,建立高速列车轴温预测优化模型,利用高速列车实际服役数据验证模型的准确性。结果表明,优化后的高速列车轴温预测模型能较好的反映轴温相关特征参数与轴温变化之间的关系,模型的预测效果和泛化能力更好。最后针对单一预测模型信息利用不足,且在多步预测时预测精度下降等缺点,本文分别采用加权混合法和卡尔曼融合算法对ARIMA模型和PSO-SVM模型进行了融合和分析,结果表明卡尔曼滤波融合算法减少了单一模型的误差累积,进一步改善了对高速列车轴承温度序列的整体预测效果,从而实现利用高速列车历史轴温数据来较为准确的预测未来温度的变化趋势。