超声导波由于传播距离远，衰减小，在钢轨损伤检测中得到广泛应用。为了能有效对钢轨损伤进行超声导波检测，本计划提出面向钢轨损伤监测的超声导波智能诊断技术。首先，采用有限元方法建立超声导波在钢轨损伤模型，比较仿真模型数据与实验系统检测数据，确定有限元仿真模型的有效性。

采用主成分分析等方法提取不同深度钢轨损伤下的超声导波主要特征，采用优化后的多种机器学习算法进行组合用于识别不同深度钢轨疲劳损伤。理论仿真与实验结果表明：本文提出面向钢轨损伤监测的超声导波智能机器学习诊断方法在钢轨损伤监测方面的分类准确率达到99%，这为钢轨损伤监测提供良好的智能检测手段。

采用优化后的深度学习算法进行组合对钢轨损伤的超声导波小波时频图进行分类检测，理论仿真与实验结果表明：本文提出面向钢轨损伤监测的超声导波智能深度学习诊断方法在钢轨损伤监测方面的分类准确率达到98%，这为钢轨损伤监测提供良好的智能深度学习诊断手段。

本项目在钢轨损伤监测及全面评价具有较高的实际应用价值和现实意义，这为铁路钢轨损伤监测提供重要技术指导，也为铁路钢轨高速巡检与服役状态检测提供科学依据。