地铁在我国的重要性不言而喻。随着我国各大城市相继建设地铁,越来越多的人选择乘坐地铁出行。但是地铁车辆转向架未到使用年限就频繁发生裂纹问题,严重影响车辆的运行安全。这说明按照国外标准设计、生产的地铁转向架并不能完全适应国内的地铁运用工况,建立适合国内地铁工况的标准迫在眉睫。识别地铁线路工况,对于研究不同工况对地铁车辆疲劳寿命的影响有重要的意义,也为建立适合国内地铁工况的地铁标准提供了重要依据。本文主要研究工作及结论有以下三点：(1)结合有限元分析、铸件结构特性分析、模态分析、动载荷传递部位分析以及实际应用情况确定了测点布置位置,进行地铁6号线车辆强度试验,获得了地铁车辆在正线上行驶时的应力信号、加速度信号、速度信号、陀螺仪信号。通过前处理,去除信号中的异常情况,留下保有线路工况特征的待识别信号。(2)分析、对比了不同的信号特征提取方法与信号特征识别方法。信号特征提取方法分为时域法和频域法。相较于时域法,频域法对信号的描述更为详细和深入,主要包括傅里叶变换、小波变换、希尔伯特-黄变换等。这三种方法各自有各自的特点与优势。傅里叶变换可以分析信号的频谱特性,小波变换可以对信号进行去噪、压缩等操作,希尔伯特-黄变换能够将信号按频段自适应地分解为若干本征模态函数。信号特征识别方法主要有传统的神经网络和支持向量机等,通过样本训练,可以智能的识别信号特征实现模式识别功能。通过对比,支持向量机在路况识别方面的性能更好。(3)确定了地铁路况识别的具体方法。根据信号类型以及信号对路况的敏感程度,分别用陀螺仪信号识别弯道、加速度信号识别道岔,二者结合而成的路况识别方法可以识别出线路中的弯道与道岔。分析了轨缝信号的时频域特征,尝试了多种方式识别轨缝。在识别过程中应用了频谱分析、小波包去噪、EMD以及SVM等信号特征提取方法和信号特征识别方法,并采用多级识别的方法来达到识别期望。通过对比,确定了该方法中的几个关键识别参数。将该方法应用在北京地铁6号线上,识别正确率较高。