Como un componente crucial de los trenes CRH (China Railway High-speed), la seguridad y estabilidad del sistema de suspensión son de suma importancia para el sistema general del vehículo. Basado en el marco del análisis de componentes principales relevantes probabilísticos (PRPCA), este artículo propone un nuevo método para el diagnóstico de fallos incipientes en el sistema de suspensión de CRH utilizando PRPCA y máquinas de soporte vectorial (SVM). En primer lugar, se obtienen datos de simulación que contienen múltiples tipos de información sobre fallos de la plataforma de co-simulación Simpack2018.1-Matlab2016a/Simulink. En segundo lugar, se emplea el enfoque no lineal PRPCA, basado en la distancia de Wasserstein, para la detección de fallos y el preprocesamiento de datos en el sistema de suspensión. Además, se utiliza SVM para el reconocimiento de fallos, y se emplea el índice F1-Measure para una evaluación integral que permita valorar el rendimiento del diagnóstico de fallos de manera más intuitiva. Finalmente, basándose en los resultados de comparación con el análisis de componentes principales tradicional (PCA) y métodos basados en SVM, el método propuesto para el diagnóstico de fallos incipientes demuestra una eficiencia superior en la detección y reconocimiento de fallos. Sin embargo, el método propuesto no es muy sensible a los fallos de los sensores, y el rendimiento del diagnóstico de fallos de sensores necesita ser mejorado en investigaciones posteriores.