地铁车辆以其运量大、舒适、能耗低、绿色、便利等特点,逐渐成为城市公共交通系统的主要组成部分,也成为市民出行的首选交通工具。当前,我国对于城市轨道交通行业的重视程度极高,关于地铁车辆的科研水平也在大幅度的提高。但地铁车辆的突发故障仍会带来发生大规模的交通拥堵,这其中尤其是车辆电气系统的故障占比很大。特别是对于地铁车辆牵引系统来说,其可靠与否直接影响到乘客的乘坐舒适性和列车运行的安全性,提高牵引系统的可靠性以及检修工作效率,将会是未来地铁发展的一个重点。本文以某地铁线路的AC车型地铁列车牵引系统为研究对象,分析了牵引系统的主要组成、常见的故障形式以及可能的故障原因,计算了牵引系统各子系统模块的可靠性参量,并利用层次分析法确定了各子系统模块对于整个系统的综合权重,在此基础上利用马尔科夫奖励过程对牵引系统及其各子系统模块进行可靠性评估,给出牵引系统和各子系统模块在不同衰减系数下的可用度随时间变化的曲线;根据各子系统模块常见的故障形式收集牵引系统历史故障数据,以此分别利用BP神经网络和灰色神经网络建立了牵引系统可靠性预测模型,并对比不同算法的预测精度,最终确定利用灰色神经网络能够更好的实现了对牵引系统可靠性趋势的预测。主要工作内容如下:(1)深入解析地铁列车牵引系统的工作原理、结构组成以及各组成的常见故障形式以及可能的故障原因,收集了某地铁线路列车牵引系统的历史故障数据,在此基础上确定了牵引系统以及各子系统模块的可靠性特征参量。(2)通过对牵引系统进行层次分析,确定了牵引系统的可靠性评价指标,并利用层次分析法计算出各子系统模块对于整个系统的综合权重。在学习利用马尔科夫过程评估系统可靠性的基础上增加奖励系数和衰减系数,以层次分析法计算出的综合权重作为奖励系数,并确定合理的衰减系数以此建立了基于马尔科夫奖励过程的牵引系统可靠性评估模型,同时根据可靠性评估结果给出合理的参考最佳检修周期。(3)基于已计算出的牵引系统可靠性特征参量,分别利用BP神经网络和灰色神经网络算法对牵引系统进行可靠性趋势预测,并对比两者预测精度,最后确定了以灰色神经网络作为系统可靠性趋势预测的可行性。通过预测牵引系统可靠性变化趋势,可以根据可靠性指标的变化合理调整维修策略,有利于改善列车牵引系统的检修计划,提高列车运行性能。