目前地铁已成为人们日常出行的最主要交通方式之一,研究地铁车辆的可靠性对保证地铁安全运营有着重要意义。本文在对广州地铁一号线车辆维修及管理情况进行调研后,对一号线西门子列车进行了相关可靠性研究。本文首先整理统计了一号线西门子列车的故障记录,采用基于经验的统计模型法确定了车门系统、信号接口系统、牵引/电制动、空调系统、列车控制及诊断、有节点控制电路和辅助系统的最佳故障分布模型,并推算出了各系统的故障分布函数、可靠度函数及故障率函数,分析了车辆关键系统的可靠性情况,具有重要的实际指导意义。然后,采用基于神经网络的系统可靠性分析法,研究了地铁车辆系统与关键子系统的关联关系。文中分别采用BP神经网络、RBF神经网络、基于遗传算法的RBF神经网络建立了“列车关键子系统的故障率预测模型”和“整车系统与关键子系统的故障率关联模型”,并利用实际数据对各模型的性能进行对比,结果表明基于遗传算法的RBF神经网络可以较好的预测子系统的故障和描述关键子系统与整车系统故障率的关联关系。最后,针对广州地铁一号线车辆维修及管理中存在的一些问题,研制了一套地铁车辆故障管理及可靠性分析系统,将本文研究确定的“故障分布模型”、“关键子系统故障率预测模型”及“整车系统与关键子系统的故障率关联模型”应用到了实际系统中,.实现了车辆故障的完整记录、详实掌握、科学预测,车辆动态可靠性的评估,灵活的故障统计分析等功能,可以帮助地铁工作人员掌握地铁列车各阶段每条线路每个车辆每个系统的工作状态、故障情况及可靠性情况。