客运高速化是中国铁路重要的发展方向。高速铁路已经成为城市与城市间大密度、高效率的运输方式之一。高速铁路动车组作为高速客运的主要载体，在我国动车组服役数量及运营里程不断增加的条件下，现役动车组的运行可靠性已成为人们关注的重要问题。动车组工作条件复杂、功能层次结构复杂，其故障形式与故障机理复杂多样；同时由于现场数据、试验数据等故障统计数据缺乏、不规范等原因，导致部件故障概率难以用精确数值表达；此外，动车组关键部件故障关系存在优先相关性、功能相关性、顺序相关性以及由系统冗余带来的备件门逻辑关系（冷备件、热备件等）。因而动车组在故障演化过程中存在部件故障状态、部件故障率的模糊性，故障逻辑关系的不确定性及动态时序性特点。采用故障树、故障模式影响分析等传统可靠性方法对动车组进行可靠性分析和建模时难以真实表征动车组的多故障状态与动态时序性特点，研究高速铁路动车组可靠性建模分析方法，对于完善动车组维修策略、提升现役动车组可靠性水平、保障动车组安全运营具有重要意义。
　　本文基于作者主持的“兰新高铁动车组可靠性分析方法研究”和“大风环境下高速动车组运行关键技术研究”等项目，围绕动车组关键部件故障概率获取及融合处理方法、动车组模糊多态可靠性建模分析方法、动车组模糊动态可靠性建模分析方法等关键问题进行了深入研究。
　　兰新客运专线动车组在运用检修过程中已形成了一定量的运维数据，但存在小样本特性、多源异构及不确定性等问题，难以对动车组关键部件故障的失效概率进行精确的数值表达，限制了动车组可靠性分析水平的提升。针对上述问题，本文统筹考虑客观运维数据与主观领域专家信息，提出了基于D-S证据理论的多源数据融合方法：在对当前动车组检测数据、故障数据等进行整理分析的基础上，根据故障等级、故障频次等属性获取动车组部件的主要故障及故障率参数；通过基于信心指数的专家调查法获取动车组部件的主要故障及重要程度信息，并由专家自己进行数据可靠性或客观性评价，提高了动车组故障数据的可用性，从而与客观运维数据形成了有效补充；最后根据运维数据和专家数据的可信度不同确定了融合权重，根据D-S证据理论对两者进行融合，实现了主观专家知识信息与客观数据样本信息的结合，保证了基础数据在小样本及不确定性条件下动车组关键部件故障率数据的可用性，为动车组部件可靠性分析奠定基础。
　　动车组功能层次结构复杂，且受自然环境、维修及运营等多种条件的影响，动车组部件在工作过程中常具有多种故障状态，而且其故障机理具有不确定性。当前对多态系统的表述一般采用三态系统，即在理想工作状态和完全失效状态之间增加中间故障状态，因其只有一种中间状态，难以如实表征多种故障状态对动车组可靠性的影响。因而本文提出了动车组部件模糊多态可靠性建模方法。在建模过程中考虑了动车组部件故障机理的不确定性，采用T-S模糊故障树进行建模，并采用模糊数（0,0.25,0.5,0.75,1）表述故障的多种状态，从而构建了T-S模糊多态故障树模型。考虑到T-S故障树在求解过程中计算量大的特点，将T-S模糊多态故障树模型转化为模糊贝叶斯网络，再进行可靠性分析计算，利用所构建的简单模型进行二态、多态故障树与模糊贝叶斯网络之间的可靠性参数进行对比，验证了该模型的有效性。
　　针对动车组关键部件故障关系存在优先相关性、功能相关性、顺序相关性以及由系统冗余带来的备件门逻辑关系（冷备件、热备件等）等动态时序性特点，本文还提出了动车组部件模糊动态可靠性建模方法。考虑到动车组部件故障机理的不确定性，利用动态故障树及T-S模糊理论构建了T-S模糊动态故障树分析模型，并确定了T-S模糊动态故障树中的动态门的条件概率表，从而降低了模型计算难度。通过简单动态模型实现了动态故障树与T-S模糊动态故障树可靠性参数的对比分析，验证了T-S模糊动态可靠性分析模型的有效性。
　　利用构建的动车组关键部件模糊多态可靠性分析模型与模糊动态可靠性分析模型，本文分别对动车组受电弓系统与空气制动系统进行可靠性分析，确定了模糊多态与动态门的条件概率，通过计算得出了动车组部件可靠性参数，从而找到了受电弓系统与空气制动系统的高风险事件与薄弱环节，为提升其运营可靠性提供参考。