近年来,轨道交通成为我国各大城市交通体系的命脉,并持续高速发展。在不断增加的运营压力下,现行维修技术方法的低效难以满足大量轨道车辆的维保需求,成为列车安全保障的突出矛盾。齿轮箱作为车辆动力传动系统不可缺少的部件,其运行状态直接影响车辆的安全性能。因此,通过实时监测手段及时准确地获取齿轮箱的运行状态,并准确分析其故障类型,从而有针对性、预测性地制定维修计划和管理决策,对保障轨道车辆安全可靠运行、防止事故的发生具有重要意义。本文针对齿轮箱故障诊断及列车维修方案优化进行了系统的研究,主要内容如下:(1)针对复杂系统故障不易有效表征这一难点,本文采用了多维度的特征提取方法。首先利用小波包分解、经验模式分解和局部均值分解对信号进行分解;然后提取了直接时域特征、频域统计特征和时频能量特征等参数指标;通过不同故障类型的齿轮运行数据选取出表征能力较强的指标集;最后,利用此指标集提取了能较好反应故障的特征,通过主成分分析方法进行特征融合和降维,以主元作为最终的特征指标。(2)从列车齿轮箱不同故障状态间的界限具有高度模糊性的角度出发,提出了基于区间二型模糊C均值聚类的状态辨识方法,并与传统的模糊C均值聚类方法进行了对比实验,分析比较了它们在分类效果、迭代效率算法稳定性等方面的性能差异。(3)基于前文对齿轮箱故障诊断的研究成果,本文进一步研究了维修优化的具体方案。从当前运维的不足和运营者的期望出发,构建了以最大可用度、最小费用及可靠度约束的模糊多目标视情维修优化模型。依据现有技术条件,在在线监测基础上,提出了基于失效率阈值的离线监测动态调整监测周期方法。最后利用两组齿轮数据进行实例验证,给出了基于故障的最佳维修时机和维修策略,完整的实现了列车齿轮箱科学主动维保的一系列过程。