无缝铁轨被广泛的应用在中国高速铁路建设中,其特点是每段轨之间以焊接形式连接,铁轨铺设时被锁定后,当气温变化时铁轨的纵向伸缩被限制,其内部往往会积累巨大的温度应力,在高速行驶的列车碾压的重复载荷作用下,应力累积到一定程度时,铁轨易发生扭曲甚至断裂,是影响无缝线路工作稳定的根本原因。针对无缝线路长钢轨在温度变化下的热胀冷缩趋势被限制,钢轨内部将会承载纵向应力(称为“温度应力”),在地磁场激励下,其表面释放漏磁场(称为金属磁记忆:Metal magnetic memory,MMM)信号具有很强随机性而导致无法直接通过信号表象特征区分钢轨受力变化程度的难题。本文对磁记忆效应与磁巴克豪森噪声效应(Magnetic Barkhausen Noises,MBN)产生机理进行解读,对磁记忆与巴克豪森噪声检测手段中干扰因素进行了讨论。提出将MBN和MMM技术相结合的钢轨温度应力检测方法并进行现场试验。使用时域分析方法——集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与样本熵的结合,以及基于多尺度小波包变换香农熵的频域分析方法对钢轨在承受不同程度温度应力下表面释放的MMM信号从时域和频域上进行了详细的剖析和特征提取。在此基础上,分别采用核函数极限学习机与支持向量机算法建立了磁记忆检测的应力预估软测量模型,并对模型性能进行了评价。实验研究表明,支持向量机所建立的小波能量-香农熵温度应力预估模型性能最好,信号识别准确率最高,高温度应力区检出率达到90%以上,初步实现了通过磁记忆测量信号对钢轨内部温度应力的定量评价。该方法对于无缝线路长钢轨的早期损伤预警具有理论研究价值以及工程应用前景。最后,基于BMM150地磁传感芯片、编码器和ESP32主控芯片设计并制作了磁记忆检测传感,实现了磁记忆信号数据与位移数据整合为数据帧,并通过蓝牙以一定周期循环发送数据帧至PC;利用LABVIEW在PC上搭建了上位机在线检测与控制平台,上位机可自动筛选与提取数据包,实时显示四路位移-磁记忆信号(X-Y)图、电池电量等;可进行远程系统关机和复位,对磁记忆信号数据进行存储与应力量级识别等功能。