轴箱轴承作为走行部的核心部件之一,其结构复杂、承受载荷大、运转速度高,一旦发生损伤,将会对铁路车辆的稳定性与安全性产生严重影响。准确识别轴箱轴承的健康状态,对于铁路车辆的安全运行和科学运维具有重要的意义。受轮轨激励、运行工况和复杂传递路径等因素的影响,轴箱轴承的故障特征往往被复杂的背景噪声湮没,传统的旋转机械故障诊断方法很难奏效。因此,本文基于理论和实验的方法分析了轮轨激励下轴箱轴承系统的振动响应特征,并结合轴承故障信号的冲击性和循环平稳性特征,提出了基于自适应共振解调的轴箱轴承故障诊断方法。论文主要研究内容如下:（1）首先对轴箱轴承系统受力、振动信号特征和故障机理等方面进行了简要分析。随后,在高速列车单轴滚振实验台上进行了50～300 km/h多个速度等级的高频激励实验,采集了轨道不平顺激扰条件下轴箱轴承系统振动响应,分析了速度等级、轴承局部缺陷和踏面损伤对振动响应的影响。（2）研究了强干扰下轴箱轴承微弱故障特征提取方法。提出了一种可调幅值谱的改进峭度图方法,从频域降噪和时域降噪两种角度对振动信号中含有的故障特征成分进行增强。在频域角度,利用具有不同权重指数的幅值谱对信号进行重构,将其作为一种预处理策略对全频带的频率分量进行调节。在时域角度,对改进峭度图中每层窄带滤波信号的包络进行自相关处理,进一步增强轴承故障冲击强度。通过仿真信号和多个实验信号证明了其在轴箱轴承微弱故障诊断中的稳定性和有效性。（3）研究了强干扰下轴箱轴承系统复合故障特征提取方法。传统峭度图方法中,常使用二进制小波包分解和1/3-二叉树结构来生成峭度图,但这种方法存在频率分辨率不足的问题,而且只能选取一个共振频带进行解调分析,仅适用于单一故障检测,无法解决复合故障问题。针对上述不足,提出了一种基于自相关域多点峭度图的最优共振频带识别方法。该方法首先可根据频谱趋势函数中的极小值点分布,完成对信号频谱的自适应分割,从而获得更加精确的频带边界矩阵。然后,基于自相关域中周期性故障冲击的重新排列特性,该方法构建了一种新的指标-自相关域多点峭度,实现了轴承故障冲击性和循环平稳性的统一表征,可以有效对轴箱轴承系统复合故障特征进行分离提取。（4）研究了轴箱轴承系统多共振频带识别方法。自相关域多点峭度的计算,需要输入故障周期作为先验知识,故障周期的准确与否,对解调效果有很大影响。同时,在特定的输入故障周期下,自相关域多点峭度图也只能选取一个感兴趣的共振频带,而同一位置的故障也可能激起多个共振频带。针对上述不足,基于轴承故障信号的冲击性和循环平稳性,发展了一种新的权重峭度指标。该指标突破了对准确故障周期的严重依赖,同时可避免随机冲击、谐波成分和高斯白噪声等干扰的影响。基于权重峭度图,提出了一种新的多共振频带识别策略,可同时突出频谱中各个区间含有的故障冲击强度,实现了轮轨激励条件下轴箱轴承复合故障和轴箱轴承、踏面多故障的分离提取。（5）研究了变转速模式下轴箱轴承故障特征提取方法。变转速模式下的轴箱轴承故障信号不再具有循环平稳性,而且同样受到了强干扰成分的影响,给最优共振频带的识别带来了极大的困难。针对上述问题,本文提出了一种基于迭代广义解调的轴箱轴承故障特征提取方法。通过对每个窄带滤波信号包络进行迭代广义解调,进而实现特定的非平稳轴箱轴承故障特征分量及其倍频分量的平稳化重置;然后,计算了广义解调信号频谱的峭度,实现对每个窄带信号中轴承故障特征的强度进行评价,从而定位最优解调频带。仿真和实验结果表明,所提方法能够有效提取变转速条件下轴箱轴承的故障特征信息,为准确识别轴承健康状态提供了保障。本文研究了适用于轴箱轴承故障信号的自适应共振频带识别方法,可以通过轴箱轴承系统振动信号诊断轴箱轴承是否发生故障,进而掌握轴箱轴承的健康状态。研究成果对于保障列车安全稳定运行和推动列车智能运维技术发展具有一定的理论价值和实际工程意义。