摘要：针对故障发生时高速列车转向架振动信号的特点，提出了基于聚合经验模态分解和5种信息熵相结合的特征提取方法。首先将振动信号进行聚合经验模态分解，有效地避免了模态混叠问题，然后对分解得到的本征模态函数提取反映信号复杂度的经验模态熵特征。利用该方法对高速列车转向架正常与空气弹簧、横向减振器、抗蛇行减振器故障4种工况下280个样本数据进行特征分析，随机取609/6为训练样本，其余40％为测试样本。分析结果表明：分解过程不需要选择基函数和分解层数，因此，此方法具有良好的自适应性。在运行速度为200km·h^-1时，识别率大于95％，证明了该特征提取方法对于高速列车转向架故障振动信号分析的有效性。

关键词：高速列车 故障诊断 特征提取 聚合经验模态分解 信息熵 

单位：西南交通大学电气工程学院; 四川成都610031; 西南交通大学牵引动力国家重点实验室; 四川成都610031