伴随着高速铁路事业的快速发展,轨道车辆已然成为我国不可或缺的交通工具。其中车轴作为车辆转向架轮轴系统的重要组成部分,也是轮对的核心部位,常会出现磨损、裂纹、以及断裂等故障形式,据此,我们则可运用声发射信号技术对车轴进行故障诊断,及时地监测出现的故障并及时地处理,从而乘客的人身安全以及经济将得到保证。因此,进行车轴裂纹声发射信号的故障诊断具有深远的实际意义。基于本文所涉及的课题,组织进行了轨道车辆车轴疲劳裂纹声发射方面的试验,同时也对车轴的裂纹声发射信号进行采集,但是实际测取的信号中混有许多的噪声,所以这对信号的分解和后续的故障特征提取有很大的影响,所以,通过相关的方法进行信号降噪预处理很有必要。本文采取自相关降噪的方法,并通过处理仿真信号,确认了该方法的可行性,同时将其应用在实验测取的实验数据的降噪处理上。然后分别经LMD以及EMD方法对仿真信号进行处理,验证了在抑制端点效应方面,LMD方法较EMD方法有其独有的优势;鉴于局域均值分解(LMD)算法的自适应信号分解等特点,将该方法运用在降噪后的信号中,分解后获得乘积函数(PF)。同时利用软件MATLAB编写相关程序,提出了运用峭度、样本熵以及Lempel-Ziv复杂度算法,从PF分量中(即此三种方法分别与LMD相融合的方法)提取出故障特征并用于初步区分故障状态。实验结果表明,车轴在轻微裂纹故障状态下运行的样本熵大于中度以及重度裂纹这两种故障状态下的对应值,而在轻微裂纹故障状态下的峭度和Lempel-Ziv复杂度指标要小于中度以及重度裂纹这两种故障状态下的对应值。综上所述,本文采用的自相关降噪方法,可有效地对信号进行降噪预处理,运用LMD方法进行列车车轴声发射信号分解后提取的峭度、样本熵以及Lempel-Ziv复杂度故障特征均能有效地对列车车轴的运行状态进行初步的故障诊断。