随着我国高速铁路的迅猛发展,运营列车数量不断增加,中国的高速列车在国内扮演着举足轻重的交通角色。保证列车安全平稳运行,保证列车各个零部件正常运作成为维护保障工作的重中之重。高速列车轴箱轴承不同于其他静止机械设备上的轴承元件,它既要承受列车静态压力,还要受到运行过程中由径向加速度引起的非稳定动态载荷,车速越高,振动越大,动态力越大,在通过曲线或处于较强横风时还要受到较大轴向力,由于轴承服役环境的特殊性,不可避免地部分零件在高转速运行中会失效,一旦出现故障状况,往往难以觉察,部件之间相互作用后容易形成继发故障。而且在轴箱处采集到的振动信号包含很多的频率成分且相互耦合,主要包含:轮轨之间相互作用产生的激扰、轴承存在缺陷时产生的循环冲击以及无关噪声。如何从杂乱无章的信号中提取出关于轴承的有效信息已经成为故障诊断的核心部分。为了能够实现轴箱轴承的早期故障诊断,本文对形态学滤波算法进行了深入研究,并在多形态学滤波、解调效果衡量指标、扩大寻优范围、实际工程应用方面做了深入研究。本文主要研究工作如下:(1)本文对形态学滤波理论(Morphological Filter,MF)及其衍生的多形态滤波算法(Multiscale Morphological Filter,MMF)进行了详细介绍。首先,对形态学滤波的基本运算进行了介绍,并对基本运算效果进行了说明。其次,介绍了结构元素的类型及构造方式。最后引入多尺度形态学滤波,利用不同尺度的结构元素实现多尺度分析。(2)针对目前已知的部分形态学运算解调效果较差的现状,为了提高数据分析的准确性,本文根据形态学基础理论提出了改进的运算——AFBO运算,并通过仿真信号验证其可行性。此外,针对同一个振动信号源经过不同种形态学滤波运算,其解调效果存在差异,而且对于不同种信号需要不同的运算和结构元素与之相匹配的问题,本文提出了基于布谷鸟寻优的形态学滤波算法,通过选取适应值最大的运算及其参数配置作为最终优化结果,其解调谱为全局最优解调谱。(3)根据轴承存在缺陷时信号解调谱的普遍特性,提出了基于特征能量因子的滚动轴承特征提取,用作布谷鸟算法中的适应值函数,是解调效果的衡量指标。(4)为了验证以上改进算法的有效性,通过模拟仿真信号、台架试验、实际线路试验三种方式相结合对该解调算法进行验证,并将解调效果与目前常用的解调算法计算结果进行比较,验证了该优化算法可以更好的识别信号中的循环冲击,大大提高了轴箱轴承故障诊断能力。