地铁以快捷安全面成为我国大城市解决交通拥堵的必然选择,地铁列车走行部在整个车辆系统中起着承载、走行和牵引等作用,是地铁列车的重要组成部分。走行部自身零部件从出现隐患到故障发生是一个状态演化的过程,如果能掌握隐患发生的规律,及时采取有效措施防止隐患劣化,可以有效预防事故发生。基于可靠性分析的地铁列车走行部隐患评估体系针对走行部自身结构发生的隐患进行分析研究,掌握隐患发生的规律,依据关键零部件对系统的影响选取合适的指标,构建多层次多指标隐患评估体系,进行评估算法和指标预测研究,为列车维修保养、故障预防、调度决策等方面提供技术支持。本文主要开展了以下研究工作:1.基于现场检修数据总结归纳了地铁列车走行部的隐患模式集,提取发生隐患较多的关键部件。针对现场数据存在不规则删失的情况,应用生存分析理论分析走行部隐患发生较多的关键零部件的隐患分布模型,并采用参数估计法计算关键零部件的无隐患间隔时间和隐患发生率,从现场数据掌握隐患发生的规律性。2.基于故障树的模糊贝叶斯网络可靠性分析。根据走行部隐患模式集和提取的关键零部件,建立地铁列车走行部故障树模型。将走行部故障树模型转化为贝叶斯网络模型,解决故障树不能处理走行部关键零部件服从不同的分布模型和存在较多不确定信息的问题。针对由于现场数据不足而没有精确隐患发生率的部分关键零部件,将模糊理论引入贝叶斯网络模型,应用模糊有序加权平均算子算法和群决策对不同专家提供的三角模糊数进行计算,求取群体评估值,得到部分关键零部件精确的隐患发生率,将此作为贝叶斯网络模型的先验概率,然后对模型进行仿真计算,得出各节点的后验概率,对关键零部件导致走行部隐患的可能性进行排序,得到走行部的薄弱环节和高风险部件。3.构建地铁列车走行部多层次多指标隐患评估体系。明确了走行部隐患评估体系选取原则,依据隐患模式集和关键零部件重要度排序,以走行部为目标层,选取合适的关键零部件作为准则层,对准则层的每个零部件进行分析,选取可以反映隐患状态的指标组成指标层。滚动轴承隐患指标从振动信号中提取,以辛辛那提大学采集的滚动轴承全寿命周期数据为例,采用改进的集成经验模态方法对振动信号进行处理,得到IMF分量,从IMF分量中提取直接时域参数,选取对隐患敏感的特征参数作为滚动轴承的隐患评估指标。根据专家建议及相关参考文献,将隐患等级划分为3级,并采用模糊有序加权平均算子算法对不同专家给出的等级临界值进行计算,从而确定隐患指标3级隐患区间。4.采用可拓物元理论和可拓云模型对地铁列车走行部隐患评估体系进行评估。将可拓物元理论的经典域进行云化,利用云模型的随机性和模糊性解决可拓物元理论对定性指标描述的不足。对主客观权重利用博弈论进行组合,有效寻求了主客观的一致和平衡。在主观权重赋值方面,利用灰色关联模型构建层次分析法的判断矩阵,利用灰色关联理论的整体比较机制和层次分析法的一致性检验,克服了层次分析法两两比较和灰色关联理论没有测度的弊端。在客观权重赋值方面,利用可拓物元理论的关联度矩阵构造熵权法的判断矩阵。为了验证算法的有效性,对4组样本数据进行了评估,结果表明两种方法都可以准确评估走行部的隐患状态,可拓云模型可信度很高而且评估结果更加合理。隐患级别分值的引入使评估等级数字化,为精确评估隐患等级打下基础。5.为了预测隐患指标的未来状态,提出一种基于混沌和遗传算法优化的粒子群-支持向量回归机混合智能算法。详细介绍了支持向量回归机、粒子群-支持向量回归机、混沌和遗传算法嵌入粒子群-支持向量回归机的基本原理和步骤。利用三种算法对轮径值进行建模,结果表明基于混沌和遗传算法优化的粒子群-支持向量回归机混合算法收敛性能和预测效果均高于其他两种方法,证明了该混合智能算法的优越性。本文构建了基于可靠性分析的地铁列车走行部隐患评估体系,并深入研究隐患评估模型和预测算法,为提高列车主动安全提供理论支撑。