城市轨道交通在城市化的进程中扮演着越来越重要的角色,城轨列车的安全性能也得到了越来越多的关注。城轨列车的走行部是列车最重要的组成部分,而滚动轴承是走行部中极易发生故障的部件,对列车的安全运行意义重大,因此对列车滚动轴承进行状态监测有着重要的意义。本文在总结前人的研究基础之上,进行了基于轨旁声学信号的城轨列车滚动轴承故障诊断研究,主要工作内容如下:首先,对城轨列车的轴承结构进行了介绍,总结了轴承比较常见的故障模式,对不同轴承部件的故障信号特点进行了简要概括,着重分析了轴承声音信号的产生机理、特点和传播规律,并对滚动轴承信号分析中常见的几种时频特征指标以及能量特征指标进行了介绍;其次,根据滚动轴承实验平台设计了相应的滚动轴承声信号采集系统,并根据要研究的目标,进行了阵列传感器声信号采集实验设计,采集了不同参数下相应的轴承故障声信号,为下文进一步的研究提供数据支持;然后,针对单一传感器信号在轴承运动过程中采集信号的不完整性,提出了基于瞬时权系数的滚动轴承阵列传感器声信号融合算法,并验证了融合模型的有效性。为了突出融合算法的有效性,在进行融合之前对采集到声音信号进行自适应形态组合滤波;最后,提出了基于峭熵比(KER)和集成经验模态分解(EEMD)的滚动轴承故障诊断算法。介绍了小波变换、小波包分解、峭熵比以及集成经验模态分解的基本原理,本文将这几种方法有效结合起来,提出了本文的算法,并以轴承仿真信号、实验信号和现场实测信号为输入的原始数据,利用本文算法对轴承进行故障诊断。实验结果表明,该方法能够有效提取出轴承声信号中包含的相应故障特征,证明了该方法的有效性和工程可行性。