地铁车辆作为运量大且便捷的交通运输工具,被大中型城市所青睐。为了保证地铁车辆在运营过程中的可靠性与安全性,对其进行相应的维护是十分必要的,然而现有的基于经验所确定的预防维修策略会不可避免地出现过维修或欠维修。为了提高地铁车辆的利用率以及降低由于维修而产生的巨额费用,需要对现有的检修策略进行优化。本文在收集并分析地铁车辆故障数据的基础上,对武汉地铁4号线青山车辆段二期工程使用的地铁B型车的预防检修周期以及临检策略两个方面内容进行了优化研究。主要研究内容如下:(1)通过对所收集故障数据进行的整理分析,选出对地铁运营安全有影响的地铁车辆关键系统作为研究对象。一方面,使用数理统计方法确定关键系统最佳故障分布模型,然后计算出各个关键系统的可靠性指标。另一方面,在故障数据收集整理的基础上,对关键系统不同故障模式发生时间相关性进行研究。通过分析得出:车轮轮径3次测量超差和油压减振器渗油两个故障在发生的时间上具有比较强的相关性,在此基础上建立具有时间序列预测能力的Elman神经网络,对其故障发生的时间间隔进行预测。(2)根据延迟时间理论,建立了以可靠度为特征量的地铁车辆关键系统检测周期决策模型。根据决策模型对地铁车辆关键系统的现有的双日检策略进行了优化,优化后的检测周期在单位时间的检修费用最多降低了 4.26%。(3)考虑地铁车辆关键系统修复不如新情况,引入维修改善因子。建立了以可靠度为约束、维修次数为变量的地铁车辆关键系统维修周期优化模型。优化结果显示,地铁车辆关键系统的维修周期随着维修次数增加而缩短,这符合维修的实际情况。(4)针对地铁车辆关键系统在维修周期方面具有相关性的现象,将机会维修策略和成组维修策略结合起来,建立了以可靠度阈值为变量的机会成组预防维修策略模型;最后将基于以神经网络预测得到的故障时间间隔值而制定的临检策略与成组维修策略结合起来形成维修计划表并指导地铁车辆的检修。