城市轨道交通车辆是复杂的机电一体化系统,受电弓作为城市轨道交通车辆供电系统的重要环节,是实现电力传输的核心设备。如果受电弓在运行中发生故障,不仅会影响车辆受流,还常常引起接触网系统的破坏,将直接影响列车运行的安全可靠性;此外,由于恶劣的工作环境、弓网间复杂的力学及电气交互影响,使受电弓也较为容易出现故障,而目前我国城市轨道交通运营企业绝大多数采用车辆计划检修制度,从目前受电弓正线故障频发看来已逐渐不能满足地铁车辆维护需求,且没有考虑因线路条件不同而引发不同故障情况的因素。其次车辆检修长时间积累的大量故障数据资源还未得到充分利用。因此通过对特定线路受电弓结构、实际检修情况进行可靠性评估及深入的数据挖掘,并研究结合线路自身条件特点对车辆受电弓进行状态检修设计,从而及时发现潜在隐患并进行相应的检修维护,有效提高受电弓利用率和检修针对性,具有重要的研究意义。本文以数据挖掘算法为工具,对城市轨道交通车辆受电弓的状态检修展开研究,主要内容如下:(1)分析了车辆受电弓的基本结构、电路气路工作原理,着重分析结构功能及故障模式,阐明了各子系统的关键部件,为受电弓关键子系统的状态检修提供理论基础。(2)针对受电弓可靠性评估故障树分析法的局限性,将故障树分析法与贝叶斯网络相结合进行受电弓可靠性的分析研究,找出受电弓的薄弱环节,定性定量的对城市轨道交通车辆受电弓的可靠性进行评估。(3)利用某地铁积累的检修数据,从数据挖掘算法的角度出发进行数据分析,提出一种基于主成分分析和概率神经网络结合的故障诊断方法。仿真结果表明,该诊断模型耗时短,诊断正确性高。(4)结合提出的分析方法和诊断模型,在现有检修制度的基础上,针对受电弓的各子系统的薄弱环节以及故障频率较高的部件,结合计划预防检修制度,提出地铁车辆受电弓状态检修策略优化建议。