滚动轴承是列车走行部的关键部件,其可靠性和稳定性对列车的安全运行十分重要。由于长期运行在高温、高压、重载等恶劣的工作环境,滚动轴承可能同时发生两个或多个互相耦合的复合故障。然而,复合故障并非单个故障的简单叠加,而是多种故障特征叠加在一起并相互干扰,致使故障特征提取与识别更加困难。大多数方法多是对单故障进行研究,较少关注复合故障下不同故障特征激发的多个共振频带情形。且采集的振动信号中存在多种干扰成分,影响轴承高频共振带的精确选取。针对现有诊断方法存在的不足,本文引入信号分解技术,重点探究随机脉冲干扰和齿轮啮合谐波干扰下的滚动轴承复合故障诊断方法,具体内容与成果如下:(1)针对滚动轴承复合故障问题,研究建立了常见的滚动体、外圈或内圈故障复合模式下振动仿真模型,基于此,分析了复合故障振动信号的时域、频域、包络谱特点,并给出复合故障诊断所面临的主要问题。(2)针对随机脉冲干扰下滚动轴承共振频带定位错误的问题,研究建立基于平方包络谱稀疏图的滚动轴承复合故障诊断方法。利用改进冗余第二代小波包变换对复合故障信号进行分解,能更好的匹配故障特征,实现复合故障特征分离;提出对故障瞬态冲击更敏感,对干扰脉冲有更好鲁棒性的平方包络谱稀疏值作为评价指标,构造平方包络谱稀疏图,获取不同故障激发的多个共振频带。仿真和实验结果表明,该方法能准确选取轴承解调频带,在随机脉冲干扰下有效提取轴承复合故障特征。(3)针对齿轮啮合谐波掩盖轴承瞬态冲击从而影响轴承高频共振频带选取的问题,提出基于自适应噪声完备集合经验模式分解(Complete Ensemble Empirical Mode Decomposition With Adaptive Noise,CEEMDAN)和固有模态函数(Intrinsic Mode Function,IMF)多指标融合的滚动轴承复合故障诊断方法。采用CEEMDAN将复合故障信号分解为多个IMF分量,提出多指标融合的IMF评价指标,筛选故障IMF分量重构从而削弱齿轮啮合干扰;对重构信号进行平方包络谱稀疏图分析定位轴承高频共振频带提取故障特征信息,有效诊断故障类型。仿真结果表明:该方法实现了无转速计齿轮啮合信号干扰下滚动轴承复合故障诊断。