高速铁路轨道的平顺状态直接决定轨道-车辆系统运行的安全性和运行品质。目前对轨道不平顺的管理主要采用幅值管理和均值管理。从发展趋势看,综合运用轨道几何不平顺和轨检车、晃车仪、添乘仪、人体感觉等多源数据评判轨道状态将是高速铁路轨道管理的热点和难点。本文结合信号处理、数据挖掘、神经网络等技术,对高速铁路线路养修单元评价模型和方法进行了深入探索,主要研究内容如下。(1)研究高速铁路海量轨道几何检测数据的自动预处理方法。利用相关性分析、傅立叶变换、绝对平均值等方法,实现了高速铁路海量轨道几何检测数据的里程修正、趋势项滤除、单一和分片异常值滤波等自动处理功能,解决了人工编辑剔除无效数据带来的效率低下和结果多样性等问题,为超限判断和轨道状态特征参数的计算提供可靠数据支撑。(2)研究车载特征参数偏差的遴选和分析方法。将每月的车载偏差数据分成四周,提出根据重复性原理来挑选每周的晃车仪、添乘仪和人体感觉偏差数据,并用于轨道单元状态评判。分析结果表明,相比随意选取几趟车次的偏差数据,根据重复性原理来挑选偏差数据更合理更科学,评判的结果更可靠。(3)结合LVQ神经网络、成对比较矩阵和聚类方法,研究提出了一种轨道单元状态的综合评判方法。利用成对比较矩阵确定特征参数的权系数,并通过加权求和得到单元的量化评分指标。根据大量实测的数据建立随机样本,提出利用聚类方法确定轨道单元状态分级。分别以轨道单元量化评分指标作为输入,以聚类得到轨道单元状态分级作为输出,利用LVQ神经网络建立了轨道单元状态的关联模型。(4)基于应用统一展示、多源数据同时接入和具备可扩展性的原则,详细设计并构建了高速铁路轨道单元管理系统,实现了基于轨道单元的轨道状态综合评判。