轨道动检数据是线路开通运营以来对全线轨道进行定期检测所获得的数据。随着铁路数字化和信息化的不断发展与完善,动检数据量日益丰富,蕴含了大量潜在信息和知识。近年来,随着人工智能、数据挖掘理论与技术的快速发展,研究基于轨道动检数据的挖掘分析方法,及时掌握轨道运营状态,监控异常情况,不仅对于及时有效评估基础设施状态,为安全运行提供技术支撑具有重要的应用价值,而且对于发现基础设施演化的内部规律,挖掘潜在知识具有重要的参考意义。同时动检数据有着维度高、数据量大、噪声复杂等特点,这对于数据挖掘技术研究本身也是一个极大的挑战,具有重要的理论研究价值。在我国高速铁路建设中,桥梁部分约占全线里程的半数以上,在铁路基础设施中具有非常重要的地位,也是工务运维的重点区域。本文针对高铁桥梁动检数据展开深入的数据挖掘研究,首先从轨道动态检测数据时频分析出发,提取高铁桥梁数据信息,然后针对影响数据挖掘研究的难点问题——里程漂移展开研究,在此基础上从时、空两个角度采用数据聚类技术研究桥梁演变规律及其内部关联关系,并从工程角度对数据挖掘结果进行了合理且有价值的解释。本文主要工作及研究成果包括:(1)针对轨道动检数据含有噪声及高铁桥区特征表示复杂的问题,提出了一种基于时频局部特征的高铁桥梁动检数据提取算法。首先利用小波分析理论进行去噪预处理,其次通过采用基于域变换的时间序列表示方法分析高铁桥梁特征,然后经过局部极值方法初步识别和局部边界校正的两步分段方法成功识别出高铁桥梁区域与非桥梁区域。最后对京沪高铁0-300km范围内24m简支桥梁、32m简支桥梁的实验结果进行了分析,桥梁识别准确率较高,成功从轨道铁路全线检测数据中提取识别出桥梁区动检数据,为高铁桥梁数据挖掘奠定基础。(2)针对轨道动检数据存在漂移的实际工程问题,本文提出了一种基于局部波形匹配的高铁桥梁动检数据里程纠偏算法。首先基于相关系数对局部波形进行初匹配,然后通过曲线特征点进行局部校正,最后通过对京沪高铁100-200km的历年检测数据进行实验,并通过专业软件证明里程纠偏结果的准确性,不仅为高铁桥梁演化规律研究提供数据保障,更是为所有基于轨道动检数据的研究奠定基础,具有较强的工程实用性。(3)高铁桥梁时空数据聚类算法研究,为发现桥梁演变规律及其内部关联关系从时间、空间两个角度出发,基于不同的距离度量聚类算法进行研究,发现了 15个检测项目数据与地理曲线之间的关联关系,可由此将桥梁分为曲线区域桥梁与非曲线区域桥梁。基于DTW距离进行相似性度量时发现高铁桥梁随不同年份变化的演化规律,表明聚类结果具有较强的工程可解释性,对高铁桥梁的不平顺状态预测具有十分重要的实用意义。