我国寒区面积广袤,寒区铁路隧道衬砌病害诊断和安全状态等级评定一直是铁路建设者和运营部门重点关注的问题。随着我国铁路建设的迅速发展,现有的方法和技术已经不能满足隧道运营维护管理“精准化”、“智能化”的需求,关于寒区隧道病害智能诊断和安全状态评价的研究迫在眉睫。在广泛查阅国内外隧道维护相关文献、资料以及专家咨询、实地考察的基础上,分析了现阶段寒区隧道衬砌结构存在的常见质量缺陷和病害、隧道中常用的检测方法的优缺点、智能方法在隧道病害诊断中的应用以及隧道衬砌结构安全状态评价的研究现状。针对现阶段研究中存在的不足,对寒区隧道衬砌病害的智能诊断方法和衬砌结构安全状态评价进行深入研究。主要研究内容和研究结论如下:（1）基于声音识别的隧道二次衬砌背后空洞智能诊断方法。收集645段衬砌敲击检查现场检查槌敲击衬砌的声音样本,运用声音信号特征分析的基本方法,分析有空洞和无空洞状态下声音信号的时域、频域特征,并提取24维梅尔频率倒谱系数作为机器学习数据集;再通过传统的机器学习算法和集成算法分别训练样本的声学特征,建立隧道空洞敲击检查声音分类模型,通过模型之间的性能对比选出最优的空洞智能识别模型;最后用网格法划分隧道衬砌敲击单元,使智能识别模型能够判定空洞范围,实现空洞可视化。研究发现:两种状态的下声音样本的时域特征和频域特征都表现出明显的不同;运用集成算法梯度提升决策树建立的声音识别模型,比传统的机器学习算法有着更高的准确率和更快的训练速度;借助网格划分法可以实现衬砌背后空洞范围智能识别。（2）建立寒区隧道衬砌安全状态评价指标体系和基于和谐论的衬砌安全状态评价模型。在分析寒区隧道衬砌病害机理的基础上,按照科学性、完备性、独立性、简明性和可操作性原则,运用层次分析法确定寒区隧道衬砌安全状态评价指标,得到6个一级指标和16个二级指标。再通过唯一参照物比较判断法确定主观权重,熵权法确定客观权重,并用最小信息熵原理将二者组合,作为各项指标的最终权重,最后建立基于和谐论的寒区隧道衬砌安全状态评价模型。（3）以某寒区铁路隧道为例,对空洞智能诊断方法和衬砌安全状态评价方法进行验证。在该隧道敲击检查期间,录制一段纵向长度为6m的衬砌敲击检查声音,用智能诊断方法进行判断分析,显示该段衬砌拱顶部位存在面积为2.33m~2的一处空洞;收集隧道内5段衬砌病害检查数据,并运用建立的安全状态评价模型对各个衬砌区段的安全状态进行评价,评价结果为:衬砌段QD1安全状态等级为C级,衬砌段QD2、QD3、QD5安全状态等级为B级,衬砌段QD4安全状态为A级。本文提出的基于声音识别技术的衬砌病害智能诊断方法和基于和谐论的衬砌结构安全状态评价模型应用于实际隧道中得到的结果与该隧道现场情况相符,说明两种方法能够在实际应用中取得良好的效果,可以为我国寒区铁路隧道衬砌养护管理提供借鉴。