我国高速铁路广泛使用的CRTSⅡ型板式无砟轨道处于长时间服役时,轨道板结构易产生CA砂浆脱空和板端上拱变形等典型病害,严重影响轨道结构的稳定。因此,需要监测CRTSⅡ型板式无砟轨道板的脱空长度和上拱变形程度,以指导轨道板病害出现后的及时养护维修,并在危及行车安全时发出实时报警信息。目前无砟轨道病害检查主要依靠现场人工视觉观察,费时费力且效果不佳。当轨道板端上拱使轨道不平顺变化后,综合检测列车才可以在日常维护中间接被发现,但因为初期病害产生的轨道不平顺幅值变化微小,达不到日常保养标准易被检测忽略。为此,本论文研究了一种重点地段轨道板病害在线监测技术,用倾角传感器获取轨道板振动位移,实现了基于分布式倾角检测的轨道板脱空长度识别与上拱程度监测。论文针对轨道板脱空检测难题,提出了一种基于深度神经网络的脱空长度识别算法。为了生成不同CA砂浆脱空长度的训练数据,在传统车轨耦合模型的基础上,提出了一种改进的CA砂浆层构造,以获得了不同脱空程度下的轨道板振动位移数据。之后以轨道板位移数据为指标,构造CA砂浆分类特征数据库,训练基于LSTM深度神经网络的CA砂浆脱空长度分类算法。仿真实验结果表明,论文提出的算法可识别5个等级的脱空病害,识别精度达到90%以上。针对轨道板上拱监测难题,论文提出了一套基于倾角传感器的无砟轨道板端上拱分布式监测系统。系统基于Zig Bee技术构建了无线传感网络,针对铁路沿线环境优化了网络结构与通信协议,使系统具有节能、精确、抗干扰能力强的特点。为验证监测系统的有效性,开展了基于实尺寸轨道板试验台的验证实验。实验结果表明,该系统能对轨道板端上拱病害产生报警,并满足现场使用需求的精度。论文设计开发的无砟轨道板病害检测系统可以实现轨道板CA砂浆脱空和轨道板上拱病害的实时监测,可为解决CRTSⅡ型板式无砟轨道线路轨道板病害检测及防治问题提供技术支撑,具有较高的实用价值。