**

随着我国列车行驶速度的不断提高，列车的行车安全逐渐得到了人们的重视。海量的列车轮对监测数据为分析列车运行状态提供了坚实的基础。为了提升列车轮对故障诊断的效率和准确性，提出了一种基于大数据分析的列车轮对故障诊断方法。该方法针对传统故障诊断在处理大规模监测数据集时存在的处理时间长、故障结果不准确等问题，首先设计了一个监测数据融合框架，并将多故障诊断循环神经网络算法与MapReduce分布式计算框架相结合，利用循环神经网络的特征提取能力和MapReduce的快速计算能力。这样不仅能够发挥循环神经网络在故障特征提取方面的优势，还能够满足列车轮对故障诊断的精确性和实时性需求。通过实例分析，证明了该方法的有效性。