本文结合铁道部科技项目，采用人工智能技术、可靠性工程方法、概率论与数理统计、随机过程等多学科相结合的方法，以宝成线等主要干线为试验基地，对接触网主要失效模式和系统的可靠性进行理论分析及应用研究，并采用VISUAL BASIC6.0和MATLAB编写了一套接触网可靠性分析软件。 概率分布的确定是可靠性分析的前提，本文利用RBF神经网络自组织、自适应和很好的容错能力等特性建立了接触网可靠性分析中概率分布的智能识别系统，通过仿真实验，它的总识别率达到93.75％，并对接触网定位装置故障(维修)时间进行了概率分布的识别，识别的结果为指数分布，通过回归分析得到进一步的验证，为建立接触网系统可靠性分析的马尔可夫模型提供了依据。 针对接触线-受电弓滑板这对特殊磨擦副的磨耗特性难以确定的问题，论文首次采用改进了算法的径向基神经网络RBFNN，模拟得到磨耗特性的非线性关系式，用此关系式来分析磨耗率随着外界因素的变化规律，由于改进了算法的RBFN具有很强的函数逼近能力，可以任意精确地逼近连续函数，因此通过网络输出数据和实验数据的对比，获得了很高的精度。并且利用RBF模拟得到的磨耗率与可靠性理论相结合，建立了接触线磨损可靠性分析的数学模型，基于数理统计的原理，定量地对不同型号的接触线的磨损可靠性进行了评价和预测，并提出了减少磨损的措施，为接触线的磨损可靠性研究和设计提供了新的方法和理论依据。 论文利用RBF神经网络确定了接触线在不同非对称应力幅下疲劳极限，并根据接触悬挂系统中接触线的振动方程，推导出了接触线在抬升力作用下的应力大小，在此基础上，应用数理统计的方法和原理提出了接触线疲劳可靠性分析和疲劳可靠性优化设计的方法，对影响接触线疲劳失效的各种因素进行了评价与分析。 将有限元数值分析(FEM)、RBF网络(RBFNN)和随机模拟法(MonteCarlo)有机结合，提出了接触悬挂各连接部件可靠性分析和设计的RBFNN-MC方法。在有限次有限元数值分析的基础上，充分利用RBF神经网络高度的非线性映射能力和泛化能力，逼近部件随机参数与响应之间的映射关系，由于RBF神经网络可以任意精确地逼近任意连续函数，因此在理论上有效解决了中心矩法存在的精度问题，并且此方法不受随机变量分布形式和极限状态方程非线性的限制，可以获得较高的计算精度。把接触线线夹和套管双耳这个