伴随着高速动车组的快速发展，对于解决列车安全问题是重中之重，因此为了尽早发现列车零部件的故障防止事故的发生，对部件运作时的振动信号进行分析研究是十分重要的，国内外对于列车信号的分析研究也越来越多，越来越重视。27810
在整个列车中，滚动轴承是列车中一个非常重要的零部件，而且其产生故障的频率也相对较高，在对于滚动轴承故障检测当中存在着许多的方法如：声发射检测法、振动检测法。然而由于振动信号对于绝大多数的轴承故障都很敏感，因此振动检测法更为广的被运用到轴承的故障检测当中[1]。
在国外，Paul.Y.Kim等人通过实验手段声强分析技术、温度检测技术和频谱相关分析技术在车辆的故障诊断中进行了一系列的研究，通过分析比较寻找准确及有效的方法[2]。Tandon和Nakra则指出在不同的转速和负载下，通过对声发射信号的计数和峰值进行分析，可以有效地确定滚动轴承是否存在故障[3-4]。在文献[5-10]中Liu F,Fang Liu等一些国外的学者根据声学信号检测技术的基础，通过降低列车运行时产生的多普勒效应来采集信号本对其进行分析从而对列车进行故障诊断。论文网
对于我国在信号分析及故障诊断方面起步较晚，以往主要以红外检测以及超声波探伤的方式来对信号进行诊断分析，而随着不断地发展研究现主要以振动信号的分析方法为主要手段，通过对振动信号进行时域及频域分析，从谱图中寻找到故障特征频率来完成列车的故障诊断[11-13]。
随着技术的不断成熟，为了寻找出对信号更有效的分析和处理方法，学者们通过一系列的推导研究，发展了许多的信号分析理论，而时频分析是其中比较成熟的一种。它是一种能同时对时间和频率成分进行细致分析的有效工具[14]。时频分析方法中比较多见的方法有短时傅里叶变换以及小波分析法。短时傅里叶变换是非平稳信号的分析中所使用的最广泛方法之一，它是在变换的框架内，将平稳的信号看作是由一系列的短时平稳信号构成的，短时性通过时域加窗来实现完成的，并通过平移参数来平移覆盖整个时域。因此，短时傅里叶变换又称加窗傅里叶变换[15]。此外小波分析是傅里叶分析的发展与延拓，它的概念是由法国的学者Morlet于1984年首次引入的，而在1986年由著名数学家Y.Meyer构造出了一个真正的小波基函数[16]后，小波分析才逐渐的发展起来。小波分析主要是对时间（空间）频率的局部化进行分析，通过伸缩平移运算对信号(函数)逐步进行多尺度的细化，最终达到高频处时间的细分，低频处频率的细分，能自动适应时频信号分析的要求，从而可聚焦到信号中的任意细节，解决了傅里叶变换的困难问题[16-18]。在小波分析中，小波包变换的分析方法在分析振动信号及故障诊断方面更为显著[19]。
然而在对信号进行分析时自然也少不了相应的辅助工具，其中Matlab[20]常被选用于信号的分析及处理方面，通过相应的编程以及函数的调用能够将信号的频谱特性展现出来，从而能更加直观的来进行分析研究。
为了使列车能够在高速下安全的行驶不发生故障，对列车非平稳信号的分析是不可或缺的。因此，对采用的分析方法也是十分重要的。采用不同的分析方法对非平稳信号进行分析对于我国的高速列车的发展具有重大的意义。 列车非平稳信号分析国内外研究现状:http://www.youerw.com/yanjiu/lunwen_22435.html