从1876年我国建造第一条铁路以来，我国铁路的建设规模及技术水平不断提高，一个连接天南地北的铁路网系统已经形逐渐形成。我国的铁路网覆盖了平原、山区、高原等一系列不同地域，因此列车的运行环境日趋复杂。历年我国铁路也曾发生过一些事故，如2007年4月20日沈阳至北京D12次动车组途中发生两次故障，导致列车晚点一个半小时，原因是动车组线路，供电，信号以及其他系统的结合部出现不匹配问题，采取了自动保护措施，造成停车；2007年5月13日哈尔滨到北京动车组途中抛锚，原因是列车缺乏耐久性试验和设计的反复更改造成局部不成熟。动车组由于高速等原因，其机电设备、产品部件、操作运行过程中更容易发生种种故障，因此，对动车组设备和部件的状态监测与故障诊断愈发重要。

RBF神经网络（Radicalbasicfunction）是一种效率极高的前馈式径向基函数神经网络，结构简单和高速的训练速度造就了它极高的效率，除此之外它的最佳逼近性能和最佳全局特性更是使它在故障诊断中立于不败之地。同时，RBF还可以广泛应用于非线性函数逼近，模式识别等领域。作为动车组走行部中最常见同时也是最重要的部件之一，对滚动轴承进行故障诊断是全球故障诊断研究领域的重要课题。寿命的非收敛性这一特点，经常会导致滚动轴承在工作中出现两种情况：寿命到了依然能正常运转；寿命未到就已经不能正常运转。因此如按照其设计寿命进行维修，前者会造成人力物力资源的浪费，后者会引发机械故障造成经济损失。因此RBF智能诊断在动车组滚动轴承方面显得尤为重要。本课题拟采用RBF人工神经网络与现代信号分析相结合的智能方法，对滚动轴承的四种工作状况（外圈故障、内圈故障、滚动体故障和正常状态）进行分类识别和诊断，是非常有意义的。

1.2国内外研究现状与水平

1.4文献综述

1.5本文主要内容

本课题的主要任务是进行动车组滚动轴承故障诊断的研究，目的是设计出一个以RBF神经网络为智能诊断基础，能对动车组滚动轴承的工作状态进行故障诊断及分类的一个系统界面，鉴于此任务，首先本人通过查阅文献了解动车组RBF神经网络智能诊断的概念、优势、研究现状及发展前景，了解动车组滚动轴承常见故障的分类、特征向量级智能诊断的信号分析方法；其次了解MATLAB的功能，利用MATLAB选择和设计能对动车组滚动轴承进行故障诊断的智能算法；再次，利用MATLAB的RBF神经网络工具箱（调用newrb、sim等函数）对上述算法进行编程和实现，得出适用于动车组共东周村智能诊断的系统。最后通过实验台的数据对所设计的系统进行验证，并得出实验结论。进行本课题研究的基本流程图如图1.1：

本文主要内容如下：第一章绪论

介绍本课题研究的背景、目的和意义，及其目前在国内、外的技术水平和未来的发展趋势，并简要介绍RBF神经网络的特性。对所查文献进行概述，概述本文主要内容和主要流程。

第二章动车组滚动轴承故障分类及诊断方法阐述动车组常见故障，对动车组滚动轴承的故障进行介绍和分类，确定研究切入角度为振动，概述振动的机理和原因，介绍故障诊断的多种方法，为课题研究打下理论基础。

第三章MATLAB及RBF神经网络

对MATLAB软件及其RBF工具箱，GUI的功能进行介绍，阐述RBF神经网络的概念及结构，介绍训练神经网络的原理。

第四章滚动轴承RBF智能诊断算法及系统的设计实现和验证以滚动轴承振动信号分析为切入点对滚动轴承故障进行研究分析，利用MATLAB的RBF工具箱进行建模，并实现上述动车组滚动轴承智能诊断系统的设计及验证。第五章结论与展望对本文的主要工作进行了梳理与总结，给出了研究结论，并对课题相关后续工作进行展望。