1、為了滿足日益增長的城市軌道交通運輸需求，列車自動駕駛控制技術受到業(yè)界的廣泛關注。列車自動駕駛系統是提高軌道交通運行控制系統服務水平和控制品質的重要子系統，能夠為旅客提供準時、精確、高效、快捷的運輸服務。列車自動駕駛控制是一個復雜的多目標綜合控制過程，車輛參數偏移等干擾給控制性能提升帶來極大挑戰(zhàn)。
　　系統辨識與參數估計是研究基于模型的控制問題的基礎。本文以參數辨識方法研究為切入點，對一類廣義線性參數模型進行了參數辨識方法研究。由于

2、該類模型具有豐富的表達能力，能夠代表多個列車模型，因此針對該模型的參數辨識方法研究具有普遍意義。在研究中，通過引入數據濾波技術以及利用批量數據迭代計算的方式解決了有色噪聲干擾下的參數辨識問題;在保證收斂速度、辨識精度的前提下，應用多新息參數辨識理論使隨機梯度算法取得收斂速度與計算量的平衡，應用模型分解技術改善了迭代辨識算法的計算效率，有效滿足了列車實時控制的需求。同時，本文對列車自動駕駛跟蹤控制以及終端停車控制進行研究，結合參數辨識方法

3、，提出了具有自適應參數鎮(zhèn)定能力的跟蹤控制算法和終端停車控制算法，有效的改善變化車輛參數和外界干擾對列車跟蹤控制精度及停車精度的影響?？刂破焚|的改善提升了旅客服務水平。此外，本文還對列車自動駕駛系統輸入輸出非均勻采樣條件下的參數辨識方法以及傳感器和執(zhí)行器故障時的故障檢測方法進行了研究，有效的提高了列車自動駕駛控制系統的彈性。
　　論文的創(chuàng)新點如下:
　　1.針對一類含有自回歸滑動平均有色噪聲干擾的廣義線性參數模型，提出了基于多

4、新息參數辨識理論的遺忘廣義增廣隨機梯度算法和基于濾波的多新息隨機梯度算法?；诒孀R回歸模型，推導了基于多新息辨識的隱式自校正列車跟蹤控制算法。利用鞅收斂理論分析了參數辨識算法的收斂性能并證明了控制算法的穩(wěn)定性。
　　2.針對一類含有自回歸有色噪聲的廣義線性參數模型，提出了基于有限量測數據的梯度迭代辨識算法和基于滾動數據的分解最小二乘迭代算法。利用分解技術降低了算法計算量，滿足列車實時控制的需求?；诘孀R算法提出了兩階段自適應終

5、端停車控制算法，該算法能夠保證變化車輛參數干擾下的停車精度，并擁有較好的乘車舒適度。
　　3.針對ATO系統存在輸入輸出非均勻采樣和丟失數據的情況，將ATO系統建模成一個雙率系統?；趶V義線性參數模型，提出了基于輔助模型思想和基于遞推數據間隔的非均勻采樣（雙率）參數辨識算法，保證了非均勻采樣數據/缺失數據條件下算法的辨識精度。所提出方法無需數據解耦，方便實際ATO控制使用。
　　4.針對ATO系統輸入輸出傳感器故障，提出基于