我国铁路运输的发展方向倾向于高速重载化,逐渐庞大的铁路网已经覆盖全国绝大部分地区。钢轨作为铁路运输的载体,其状态好坏直接决定了列车的运行安全性。快速准确地检测出钢轨中可能存在的伤损位置是铁路运输安全的重要保证。钢轨伤损检测主要采用无损检测方式,其中又以超声波检测为主,该方法可以有效地检测出钢轨内外部伤损。但是在根据探伤数据判别钢轨伤损时,目前仍然采用效率低且容易出错的人工手段。针对这个问题,本文深入研究了基于超声波的钢轨伤损智能识别方法,并研究开发了一套基于超声波的钢轨伤损智能识别系统。该系统通过学习超声波钢轨探伤数据的特征,能够高效地找出伤损数据,并精确地定位伤损位置,辅助探伤人员进行伤损的二次判定。钢轨养护部门通过结合分析本系统的检测结果,对比不同周期钢轨探伤数据的检测结果,能够得到钢轨伤损的发展趋势。本文的主要研究内容有:（1）首先在获取超声波探伤数据后,对B显图谱数据进行伤损片段截取、分类存储。对不同加密方式的数据进行解密操作,使图谱数据恢复成数字序列格式并分析解密前后数据的联系;（2）接着对钢轨伤损数据的特点进行了深入研究,明确了超声波设备探头以及探伤通道与钢轨不同部位的对应关系。基于钢轨不同部位伤损的特点,将完整的伤损识别系统分为轨头伤损、轨腰伤损和轨底伤损三部分分别搭建检测模块。根据伤损大小等特点确定每部分的样本长度,并制作钢轨伤损数据集,最终得到轨头部分样本10306条,轨腰部分样本18978条,轨底部分样本16106条,这些样本中同时存在伤损样本和无伤样本,并通过标签0和1区分;（3）然后研究搭建了基于宽度学习系统的轨头、轨腰、轨底三部分的样本分类模型。对每个模型单独进行参数优化,使训练效果达到最优,经过训练后三部分的准确率分别达到91.8%、99.1%和93.2%,满足实际工作要求;（4）接下来将训练好的模型封装为一套完整的钢轨伤损智能识别系统,系统可以针对超声波设备的探伤数据进行检测,并且以文件的形式输出检测结果。在结果中包含钢轨伤损位置、对应超声波脉冲数、当前位置为伤损的概率;（5）最后,将检测结果与超声波探伤设备配套的数据回放软件融合,支持探伤结果导入,并能够实现根据伤损概率筛选检测结果、伤损位置自动跳转等功能。目前,本文研究的基于宽度学习系统的钢轨伤损智能识别系统已经应用于济南工务段。对于现场实际的探伤数据,该系统可以快速、准确地找出其中的伤损数据,并且可以过滤掉探伤数据中的无回波数据。与人工回放探伤数据进行伤损的二次判定相比,该系统对长度约4km的探伤数据,检测时间只需要几分钟,速度远高于人工。该系统的应用,对提高伤损检出率和减轻探伤人员的工作强度具有重要意义。