重载机车作为中长距离下的最佳大宗货运渠道,机车的牵引力与制动力是否能够满足轨道环境的约束并稳定提供依赖于轮轨间粘着状况。而机车运行于复杂多变的外部环境中,这导致机车粘着状况处于时刻变化中,经常需要调整才能满足要求。为此,本文以准确估计出轮轨间的粘着模型参数为目标,结合粘着问题中常见且实用的两个模型,设计了以极大似然方法为基础的参数在线估计算法。力图为机车纵向力的控制、优化提供基础,更好地保证机车在陡坡、降雨等恶劣环境下的安全运行并提供良好的通过性。具体的研究内容如下:针对外部环境变化导致机车轮轨间粘着模型参数经常变化的问题,提出对轨面粘着模型参数进行实时在线估计的算法。基于Kiencke蠕滑-粘着模型,在极大似然估计方法下对描述参数进行在线估计。算法利用极大似然估计下的模型参数估计框架结合Kiencke模型构造其似然函数,并使用二次规划方法对似然函数进行实时求解,进而构造出参数估计的在线算法。考虑到轮轨面环境变化带来模型参数突变的不可测,估计算法设计了一个时变遗忘因子来适应参数突变。仿真结果表明该算法能及时跟踪上轮轨环境的变化,有效估计出粘着模型参数,并能适应粘着问题中样本不充分的困难。为进一步增加算法的精确性,基于Burckhardt蠕滑-粘着模型设计了对粘着模型描述参数的在线估计算法。从分析影响轮轨间蠕滑-粘着关系的关键因素出发,在极大似然参数估计框架下建立了辨识模型,设计出对应的似然函数;为了实现对似然函数的在线求解,使用一种改进的差分进化算法来求解辨识模型的似然函数,进而得到非线性粘着模型描述参数的在线估计值;最后,进行了几类工况下的数值仿真实验。实验结果表明,算法能应对模型的非线性和轨面环境的不确定性变化以及机车行驶中样本不充分的问题,准确估计出轮轨间蠕滑-粘着模型的描述参数,并能对轮轨间最大粘着系数、最优蠕滑率等粘着性能参数有良好的跟踪效果。