随着我国城市轨道交通事业的迅猛发展,国内城市轨道交通列车保有量大幅上涨,列车维修需求也随之不断攀升。有效的维修工作能够保证列车运行的安全性和可靠性,提升列车的运营效率和维修经济性。因此,研究先进完善的列车维修策略,提高列车检修水平,对确保列车运营安全和控制维修成本具有重要意义。首先,本文在传统基于时间阈值的机会维护策略基础上,将部件故障风险水平及利润-损失比率加以考虑,建立了基于全局优选阈值的城市轨道交通列车走行部机会维护策略优化模型。该模型以平均维修费用率最低为优化目标,从机会维护的部位、时机、方式和判断标准四个方面全面考虑列车走行部各部件启动机会维护的条件;其次,该模型将机会维护细分为机会修复和机会更换,并采用役龄回退因子对不同维修方式加以描述,同时给出机会维护方式的定量决策方法,从全局优选的角度对走行部各部件机会维护役龄及风险水平进行优化,进而确定最优机会维护策略。对比分析证明,该模型能够控制传统机会维护维修过剩问题,有效降低运维费用。然后,针对传统预防性维修模型中对故障率指标的估计常常出现错选故障分布模型的问题,本文采用人工神经网络代替传统模型中基于经验的故障率分布显示表达式方法来预测城市轨道交通列车走行部的故障率,建立了IPSO-BP神经网络预测模型,并通过和BP、PSO-BP神经网络模型对比,验证了 IPSO-BP神经网络故障率预测模型的优越性。最后,针对列车各系统的状态监测需求和智能维护的发展趋势,设计开发了基于B/S架构的城市轨道交通列车状态监测与智能维护系统,该系统能够为列车实现状态维修和智能维护决策提供技术支持。