高速铁路的建设对于中国经济的发展具有相当重要的战略意义。然而，高速铁路的建设必须要以安全为根本前提，只有安全才能实现它的价值，轨道作为铁路中关键的一环，自然应该受到足够的重视。现阶段，我国的轨道探伤手段比较单一，以大型探伤车和小型探伤仪相结合的方法，已经无法满足日益增长的轨道伤损检测需求。针对这种情况，本文提出了一种利用非负张量分解算法对钢轨伤损进行实时监测的方法。首先，明确了高速铁路垂向系统的物理和数学模型，利用预测-校正的数值分析方法求得车辆-轨道垂向振动模型的解。讨论分析了四种钢轨伤损的激扰模型，将它们输入到振动模型中，得到包括无损信号在内的钢轨振动信号。其次，针对高铁钢轨是否存在伤损的判断问题，提出了非负矩阵分解算法和支持向量机相结合的钢轨伤损状态监测方法。引入稀疏性和奇异值分解的初始化策略，改进了传统的非负矩阵算法，利用改进的非负矩阵算法对建模仿真得到的钢轨振动信号进行特征提取，运用支持向量机对该测量点是否存在伤损进行判断。最后，针对伤损的分类问题，提出了基于非负张量分解和极限学习机的钢轨伤损分类方法。该算法引入奇异值分解对非负张量分解进行改进，利用小波分析的方法提取有损信号的时域和频域局部特征，对同一测量点，结合不同的车厢建立三维张量信号，用改进的非负张量分解算法提取隐藏的信息，并针对非负张量分解速度慢的问题，引入极限学习机来对有损信号进行识别分类。两种算法用于整个钢轨实时监测系统的不同阶段，其中非负矩阵分解算法和支持向量机相结合的钢轨伤损状态监测方法通过传感器节点处的微处理器实现，在采样现场就近判断有无伤损；当出现伤损时，在信息中心采用非负张量分解和极限学习机的钢轨伤损检测方法对钢轨出现何种伤损进行详细分析。两种算法分别解决伤损是否存在的问题，以及伤损的具体分类问题，都能取得良好的识别率。