高效率和高密度的城市轨道交通对列控系统提出了更高的要求,列车自动驾驶系统(ATO)能够代替经验丰富的司机完成自动驾驶列车的任务。ATO系统的特性对列车的控制系统有较高的要求。对列控模型参数估计的越准确,控制器的控制性能就越好。鉴于各种内外因素对参数的影响,势必会使参数发生微小的变化,可以使用在线学习的方法对参数进行更新。本文的任务即是在大连快轨三号线实验数据的基础上,对列车控制模型参数进行辨识和在线学习,为控制器的设计奠定基础。　　 论文的研究内容主要包括以下几个方面:　　 1、分析大连快轨三号线的实验数据,利用列车惰行状态的数据,采用遗传算法对列车的基本阻力参数进行了辨识和验证,取得了良好的效果。　　 2、分析了计算用采样间隔和误差的关系,确定了合理的计算间隔。采用交互检验的方法分析比较了非线性最小二乘算法和遗传算法,最后在列车制动模型的基础上,选用非线性最小二乘算法对列车制动参数进行辨识。列车牵引特性与列车的速度有一定的关系,考虑了速度对列车牵引级别的影响,对牵引参数进行了辨识,并对模型的准确性进行了验证,取得了较好的效果。　　 3、本文提出了在线学习的方法对参数进行更新。分别采用了Widrow-Hoff学习规则对列车基本阻力参数进行了在线更新和梯度法对制动和牵引参数进行了更新,减少了系统的误差。　　 4、完成了参数辨识系统程序开发和界面,便于用户使用。