随着地铁系统在全国范围内的广泛部署,其安全平稳运行成为了保证人民日常出行、维护公共财产安全的重要保障。接触网系统是地铁牵引供电系统的重要组成部分,因此,针对于地铁接触网系统零部件的故障预防是确保地铁系统安全运行的关键。目前,对于地铁接触网零部件的日常检修仍然以状态监测、视情维修为主,并未能实现预防性维修。在保证接触网安全性的前提下,事先揭示地铁接触网零部件故障机理,通过实施预防性维修的方式来防止故障的发生,进而实现地铁接触网零部件的预防性维修,为地铁的安全可靠运行提供保障,这无疑对接触网的维修具有十分重要的意义。然而,地铁接触网这一复杂系统其本身富含各种状态数据,这为从数据驱动的角度揭示地铁接触网零部件故障之间的故障关联关系提供了分析的基础。通过故障之间的关联分析,可以在维修人员检修过程中提供指向性的维修建议,从而能够在故障发生前,通过预防性维修的方式实现故障预防。因此,故障关联分析成为了实现地铁接触网零部件故障预防的有效手段。本文以实际现场采集的地铁接触网零部件故障数据为基础,通过故障关联分析,揭示地铁接触网零部件故障机理,实现接触网零部件故障预防,其主要工作成果如下:首先,提出了一种基于数据驱动的地铁接触网故障预防模型框架;接着,基于最小描述长度原则,构建了多概念层地铁接触网故障数据库,并提出了一种基于维修周期的故障事务数据库划分方法。其次,为避免需要人为地为算法设定一个最小效用值,本文采用top-k结构来确保算法能自动生成效用值最高的k个高效用模式;此外,通过提出一种基于前缀支持度的层级融合策略解决了高效用挖掘算法对于地铁接触网故障数据库多概念层结构的适应性问题;基于上述两个方面,提出了一种能实现多层数据挖掘功能的Top-k高效用算法—MTHU(Multi-level Top-k High Utility)算法,以实现对地铁接触网故障的关联分析。然后,在上述MTHU算法的基础之上,采用了一种基于线性规划的Top-k优化模型来消除算法中由于人为设置k值所带来的非客观性影响;接着,为减少高效用挖掘算法中人为设置权重所带来的主观影响偏差,本文提出了一种基于闭环更新策略的效用修正模型;然后,通过整合上述两个方面的创新,本文提出了一种基于动态效用自更新策略的Top-k优化高效用挖掘算法—DU-Topk(Dynamic Utility Top-k)算法。最后,本文明确了基于DU-Topk算法的地铁接触网故障预防策略,定义了狭义故障预防和广义故障预防的区别,给出了地铁接触网故障预防的整体技术框架,并在最后的实验分析中基于实际的地铁接触网故障数据库挖掘得出了狭义和广义故障预防的具体优先级,同时给出了具体的故障预防建议。此外,还将本文提出的两种算法MTHU和DU-topk与现有算法进行了对比,验证了两者在地铁接触网零部件故障关联分析的有效性。