我国幅员辽阔,地形地貌和地质构造复杂,再加上高速铁路高平顺性对基础变形的要求极高,许多的车站和道岔被铺设在高架桥梁上,形成了一定数量的高架站结构。高架站作为无砟轨道、无缝道岔和桥梁的有机结合体,其服役状态难以通过常规的理论分析手段所掌握。因此,建立长期监测系统,对关键指标进行必要的监测、分析和预测、预警,及时乃至及早掌握高架站轨道系统的服役状态,对推进轨道系统的状态修、保障高速铁路的安全运营具有重要意义。基于以上目的,本文以超过两年的京沪高速铁路某高架站轨道系统监测数据作为研究对象,系统地进行监测传感器的选型与优化、状态预测、报警预警方法的研究,并建立了报警预警可视化平台,实现了对轨道状态的自动报警、预测和预警。主要工作和成果如下:(1)为从监测数据源头保障分析和预测结果的准确性,本文根据轨道安全运营的需求,选取包括轨温、钢轨纵向应力、尖轨位移等与运行安全密切相关的指标作为分析和预测的对象。为保障监测数据的准确性,本文采用有限元方法建立其轨道部件和光纤光栅传感器的仿真模型,比较传感器形状、尺寸、材质以及安装方式对监测结果的影响,选取较为合适的光纤光栅应变传感器,并利用试验验证优选结果;通过对尖轨位移的图像采集方案的修正,得到不同通过状态下尖轨的准确纵向位移值。(2)为保障数据预测结果的可靠性,采用统计学方法,对监测数据的可信性进行验证;分析数据样本的分布规律、周期性等基本特征,初步明确了轨道力学状态变化与温度的滞后关系。对异常数据进行判别、采用快速傅立叶插值处理少量异常数据,并建立了监测系统自身故障排查机制。对不同监测指标进行相关性分析,利用监测数据的时间序列改良回归模型,得到钢轨纵向应力、轨道板温度、尖轨位移等各项指标与气温、轨温之间的关系,为减少测点、降低监测成本提供依据。(3)建立回归预测模型、BP神经网络预测模型和径向基神经网络预测模型对轨温、钢轨应力、尖轨位移等指标进行预测分析。利用寒潮期间的样本验证、优化预测模型,形成较为可靠的高架站轨道力学状态预测模型。根据不同条件下的预测需求,利用预测误差的统计结果评价各类预测模型适用条件,提出了以BP神经网络预测模型为主、以回归模型和径向基神经网络模型为辅的轨道状态综合预测办法。(4)依据相关规范设立静态阈值,结合基于距离和聚类两种异常状态诊断方法,提出对离群点的自动识别和异常状态的分级自动报警方案。基于此,建立高架站轨道系统报警预警的可视化平台,可根据监测数据自动提供预测和预警报警信息,为养护维修提供帮助。