彭 畅，王 旭，张志波，薛 源

PENG Chang, WANG Xu, ZHANG Zhi-bo, XUE Yuan

（南车青岛四方机车车辆股份有限公司 技术中心，青岛 266111）

0 引言

近年来高铁推动了我国铁路沿线区域经济及文化的发展，而如何确保高速列车在高速状态下的安全、可靠运行具有至关重要的意义。轴承作为列车转向架系统的关键零部件之一，针对其早期故障监测与诊断的研究对于及时进行故障报警并避免重大安全事故发生十分必要[1]。

然而，由于高速列车运行环境复杂多变，轴承信号易受背景噪声及其他零部件的干扰，传统频谱分析方法不能有效地提取轴承故障特征。尚万峰等[2]提出了基于三阶累积量最小二乘及最小均方误差自适应算法的列车轴承故障诊断方法，有效地降低了强背景噪声干扰并提高了故障特征信号分离准确率。刘方等[3]研究了基于时域多普勒较正和EEMD的列车轴承声信号故障诊断，有效地提取了轴承内外圈局部故障特征。王靖等[4]研究了基于数据插值重采样技术的诊断方法，利用整周期采样技术、等角度重采样技术以及特征谱提取技术等联合分析方法准确识别了列车轴承频带变化类非线性故障振动信号。

谱峭度图算法由于能够衡量轴承振动信号中的瞬态冲击程度，从而识别故障特征最为明显的成份所在的频带并为后续解调分析提供依据，得到了广泛关注与迅速发展。Antoni和Randall[5]提出了基于短时傅里叶变换的谱峭度图及其快速算法，成功过滤出故障瞬态信号成分。……