轴承是保障高速列车安全运行的关键零部件,服役环境恶劣,容易导致磨损、剥落、裂纹等故障,给高速列车运营安全带来巨大威胁,因此需要对轴承的运行状态进行监测。目前高速列车主要对轴承温度进行状态监测,并基于设定的阈值进行报警,这种方式可以有效避免因热轴、燃轴引发的严重安全事故,但是,一旦报警发生,将导致车辆运营事故,从而造成经济损失和不良的社会影响。为此,开展高速列车轴承异常温升预警方法研究,提供一套可提前发现异常并可持续跟踪、分级预警的方法,具有研究和工程价值。由于高速列车复杂运行工况,构建准确的轴承热模型困难,且轴承异常温升样本稀少,导致有监督的异常温升诊断模型难以建立,同时,轴温影响因素众多,轴承异常温升诊断和预测的准确率偏低。针对这些问题,论文开展了高速列车轴承异常温升诊断模型、轴温预测模型和预警策略研究,通过轴承异常温升诊断模型,尽早发现存在异常状态的轴承,再通过轴承温度预测模型对其状态发展进行跟踪预测,并基于预警策略,为行车安全提供保障,也为轴温故障处置预留更多的时间。主要研究成果如下:(1)提出了一种基于关联测点特征聚类的高速列车轴承异常温升诊断模型。由于同车同类关联测点空间位置相近,工况参数相近,正常情况下其温升情况相似,据此构建一种基于K-means和DB-SCAN融合的关联测点轴承异常温升诊断模型,实例验证结果表明该模型解决了经典聚类诊断模型的判别阈值参数需进行主观设定的问题,且降低了漏判率和误判率。(2)提出了一种基于历史工况特征的高速列车轴承异常温升诊断模型。通过对轴承温升机理的分析,确定其敏感影响因素,据此构造列车运行区间段内轴承温升的敏感工况特征,再基于同车同线路履历数据,进一步分析工况特征与最大温升间的关联关系,运用支持向量机回归,构建了基于历史工况特征的列车运行区间段内轴承温升估计模型,并采用统计过程控制方法,根据轴承实际温升和估计温升的差异性进行诊断,实例验证结果表明该模型具有较理想的应用效果。(3)提出了一种基于多基函数加权组合的最小二乘回归高速列车轴温预测模型。通过对高速列车履历轴温数据的统计分析,获得轴温变化特点,据此选用不同的基函数,基于历史邻域内的轴温对其发展趋势进行预测,再通过分析不同基函数预测误差分布情况,运用最小二乘回归构建了基于多基函数加权组合的轴温预测模型,在各种验证运行工况下都具有良好的预测精度,有效改善了单一基函数预测模型适应性差的不足。(4)制定了一套诊断与预测模型相结合的高速列车轴承异常温升二级预警策略。分别采用基于关联测点特征聚类的高速列车轴承异常温升诊断模型与基于历史工况特征的轴承异常温升诊断模型,从时间和空间两个维度对轴承异常温升进行诊断,对诊断异常的测点进行一级预警,同时对该测点启用基于多基函数加权组合的轴温预测,若预测结果超过设定警戒值则进行二级预警,实现高速列车异常轴温的有效预警。