城市轨道交通车辆的维修维护是保证城市轨道交通车辆安全快速运营的基础，论文考虑了检测不确定性和认知不确定性对城市轨道交通车辆部件维修策略的影响，针对城市轨道交通车辆部件维修策略及鲁棒优化问题进行研究，提出了受约束的赫威斯准则鲁棒优化模型，对于优化车辆运营安全性和可靠性，提高维修资源利用效率、有效降低维修成本具有重要现实意义和研究价值。首先，根据轨道交通RAMS管理规范，参考可靠性、可用性、可维护性及安全性的参数，对轨道交通车辆部件进行基于RAMS的关键度评价，进行轨道交通车辆部件分类及其维修策略选择。其次，针对状态修部件，考虑检测不确定性的影响，通过测量误差模型描述部件真实状态和检测状态之间的概率关系，并通过迭代计算出部件的真实状态分布，建立了基于潜在的马尔可夫决策过程（下文简称LMDP）的维修策略模型。通过求解，得到不同测量标准偏差时的维修策略和期望维修费用。再次，当测量标准偏差为零，考虑马尔可夫决策过程对参数的认知不确定性进行鲁棒优化。鲁棒优化分为三部分：第一，增加了不确定性水平，来表示得到一个错误的状态转移概率的可能性，并用极大极小的方法得到不同不确定水平下的维修费用范围；第二，运用乐观系数下的赫威斯准则，用以调整极大极小与极大极大方法之间的偏好程度，使得不确定对成本的影响在一个可接受的范围内；第三，运用受约束的赫威斯准则，增加了新的决策变量m，用以排除极大极小方法下、现实中不可能的概率转换。最后，选取了CC市轨道交通公司轨道交通车辆的转向架部件作为研究对象，对论文提出的维修策略选择、基于LMDP的维修策略模型及鲁棒优化模型进行应用分析，研究结果表明，在维修过程中考虑检测不确定性和认知不确定性的影响，鲁棒优化方案不仅能够保证在很大不确定性条件下制定的维修策略仍然能够满足维修的安全性和可靠性要求，并且能够使得维修费用在一定的合理的范围内。