铁路运输在国民经济中占有重要的地位,列车的安全问题,尤其是高速列车的安全问题,正得到社会各界以及科研人员的广泛关注。为保障列车运行安全,排除由于列车及轨道所产生的故障是避免列车事故的关键。因此研究高速列车轮轨故障诊断技术,具有重大的意义。论文针对列车轮轨故障诊断技术,设计了基于小波分析的神经网络故障诊断技术,并且开发出具有信号采集、数据分析,故障诊断等功能的应用软件系统。针对轮轨振动信号的噪声干扰大等特点,论文采用基于小波分析的阈值去噪法对信号进行去噪,将软、硬阈值的去噪效果进行对比分析,并选择合适的阈值及小波函数。将振动信号变换到频率域和小波域分别分析其特征,选择合适的小波基函数和小波分解层数,提取振动信号在不同频段的能量特征向量作为神经网络的输入。利用前向反馈型神经网络(BP网络)良好的自适应性、自组织性及很强的学习功能,有效的确定网络结构模型。在BP网络的反向传播过程中采用最优梯度下降法逐步调节各层的权值,最终实现故障特征向量和高速列车轮轨故障间的一一对应。系统相应的软件开发采用模块化设计思想,以实现采集信号的数据管理、频谱分析、图形显示及故障诊断等功能。对系统算法进行仿真及实验模拟,研究表明,设计的列车故障诊断系统可以实现轮对正常、擦伤、失圆、偏心等四种状态的判断。