地铁车辆是大中型城市青睐的交通工具,具有运量大、交通方便等特点。对于地铁车辆的维护是保证地铁车辆运行中可靠性的重中之重。然而,现有的基于设计经验的预防性维护策略不可避免地会导致过维修或欠维修。为了提高地铁车辆的利用率,降低维修成本,有必要对现有的维修策略进行优化。本文在对车辆段的车辆故障情况和维修规程进行调研后,对地铁车辆设备的故障情况进行一系列分析,对其已有的检修规程和维修策略进行优化。主要研究内容如下:本文首先收集整理了法国、日本、香港、北京和上海等国家和地区的地铁车辆维修策略。通过比较地铁车辆维修策略的内容、优缺点,分析了我国大城市地铁车辆维修策略。其次,对故障理论方法进行全面阐述,包括故障定量和定性指标、故障(寿命)分布规律以及故障分析使用的方法等。然后,对地铁车辆段给出的故障数据进行了筛选分类统计,选择影响地铁运行安全的车辆关键子系统作为研究对象。对于关键子系统,使用FMECA故障分析方法对子系统、设备、部件进行故障模式、原因、故障率、故障数目以及故障危害影响深入分析,并对车辆关键子系统进行故障模型分布确定。之后,以已知的门控器故障时间间隔为训练样本,建立了具有时间序列预测能力的Elman神经网络,对门控器故障发生的时间间隔进行预测。最后,深入研究了现有维修策略的问题,结合企业的可靠性和经济性要求,将层次分析法(AHP)于模糊理论(决策)结合使用,综合两种方法的优势,应用于车辆设备维修策略的决策。建立包含包括经济性、可行性和有效性三个指标在内的评价指标体系,再将每个指标详细划分,结合实际维修应用,建立转向架齿轮箱维修策略决策模型并求解。接下来,以有效性、可靠性、经济性为目标,应用多目标模糊理论建立了门系统中门控器维护周期的理论决策模型并求解。图21幅,表37个,参考文献54篇。