随着我国经济水平的增长以及铁路线路的建设,铁路运营里程逐年递增。对铁路桥梁、铁路隧道进行监测是保证铁路运营安全的重要手段。智能化的故障识别研究在铁路桥梁、铁路隧道的安全监测中得到越来越广泛的应用。同时,智能化公共交通是人工智能与大数据时代发展方向之一,符合将交通信息管理系统智能化处理作为重点优先研究主题这一科学和技术发展规划纲要。随着铁路运营里程的增加、列车行车速度的提升,轮轨间的动态相互作用逐渐增强,列车行车安全无法较好地保证,乘客乘坐的舒适性也受到相应影响。同时逐渐增强的轮轨作用力容易导致轨道等工程结构的破坏,因此迫切需要及时监测轨道结构的服役状态。本文针对这一问题,提出了基于智能算法的轨道结构服役状态故障识别研究方法。通过获取列车运行引起轨道结构服役状变化的振动响应特性时程曲线,结合智能算法,分析轨道结构的服役状态变化规律。实现了轨道结构故障智能化诊断,可以替代或部分替代目前人工在天窗时间检修和轨检车巡线检测方面的不足,为轨道结构故障诊断及养护维修奠定了基础。首先,基于车线动力学理论,在不同列车运行速度以及不同轨道结构工况(例如:轨枕空吊、道床板结、道床翻浆)下,获取轨道结构(例如:轨枕、道床)振动加速度,分析四种工况下的轨道结构服役状态。本文研究了列车在200km/h,150km/h,100km/h的运行速度下,轨枕空吊、道床板结、道床翻浆工况时,车辆轨道耦合的振动响应,作为轨道结构故障分类识别的数据来源。其次,本文研究了压缩感知与稀疏重构方法。将压缩感知、稀疏重构原理与车线动力学模型相结合,研究轨道结构故障识别方法。通过改变轨道结构模型参数刚度(k_b)、阻尼(c_b),得到四种工况(正常、轨枕空吊、道床板结和道床翻浆)下的振动响应,进而实现轨道结构时域样本数据的稀疏重构。由于车线动力学模型结构相对复杂,涉及非线性方程求解相关内容,同时考虑到数据存在冗余性,论文将原始数据稀疏化表示,代替原始数据作为轨道结构故障模式识别的数据来源,以减少仿真模型计算时间。仿真结果表明经过稀疏化的轨枕振动加速度数据的稀疏重构误差接近于0。最后,论文研究轨道结构振动响应时域数据的故障分类与识别。基于车辆轨道耦合动力学模型,结合不同列车运行速度与正常工况、轨枕空吊工况、道床翻浆工况和道床板结工况下钢轨、轨枕和道床的振动响应时程曲线,采用密度聚类算法、动态时间规整算法和支持向量机等三种算法比较分析,实现对轨道基础结构服役状态故障识别与分类。在研究密度聚类算法过程中,为了提高轨道基础结构分类的准确性,在密度聚类算法的最近邻域和最小核心点个数参数选择上,采用k-距离仿真图,选择曲线段较为平缓处作为密度聚类的参数。通过仿真分析表明参数的确定对聚类算法的结果有较大影响,并且本文较好地区分了正常工况、轨枕空吊工况、道床翻浆工况和道床板结工况,为轨道结构故障服役状态在线监测与故障模式智能识别奠定了基础。