针对地铁钢轨波磨检测效率低、准确率低等问题，提出一种基于自适应噪声完备集合经验模态分解–多尺度排列熵的地铁短波长钢轨波磨识别方法。首先采用自适应噪声完备集合经验模态分解（CEEMDAN）方法将轴箱振动加速度信号逐级分解为多个不同特征时间尺度相对平稳的固有模态函数（IMF）；引入多尺度排列熵（MPE）分析各IMF在不同尺度上的熵均值，计算各IMF的相关系数，然后将随机程度较大或信噪比较低的分量剔除，计算剩余IMF的能量值及总能量值，通过设定阈值判断是否存在钢轨波磨，最后对能量值超过阈值的分量进行小波包时频分析，提取振动中心频率确定钢轨波磨波长。结果表明：（1）基于CEEMDAN–MPE算法可通过轴箱振动加速度准确识别短波长钢轨波磨及发生区域；（2）该方法在识别短波长波磨的准确性上优于EEMD 能量值和小波包能量熵方法，并且能够较为准确地提取短波长波磨不平顺导致的振动响应，便于针对波磨的波深做进一步分析。