为了满足日益增长的城市轨道交通运输需求,列车自动驾驶控制技术受到业界的广泛关注。列车自动驾驶系统是提高轨道交通运行控制系统服务水平和控制品质的重要子系统,能够为旅客提供准时、精确、高效、快捷的运输服务。列车自动驾驶控制是一个复杂的多目标综合控制过程,车辆参数偏移等干扰给控制性能提升带来极大挑战。系统辨识与参数估计是研究基于模型的控制问题的基础。本文以参数辨识方法研究为切入点,对一类广义线性参数模型进行了参数辨识方法研究。由于该类模型具有丰富的表达能力,能够代表多个列车模型,因此针对该模型的参数辨识方法研究具有普遍意义。在研究中,通过引入数据滤波技术以及利用批量数据迭代计算的方式解决了有色噪声干扰下的参数辨识问题：在保证收敛速度、辨识精度的前提下,应用多新息参数辨识理论使随机梯度算法取得收敛速度与计算量的平衡,应用模型分解技术改善了迭代辨识算法的计算效率,有效满足了列车实时控制的需求。同时,本文对列车自动驾驶跟踪控制以及终端停车控制进行研究,结合参数辨识方法,提出了具有自适应参数镇定能力的跟踪控制算法和终端停车控制算法,有效的改善变化车辆参数和外界干扰对列车跟踪控制精度及停车精度的影响。控制品质的改善提升了旅客服务水平。此外,本文还对列车自动驾驶系统输入输出非均匀采样条件下的参数辨识方法以及传感器和执行器故障时的故障检测方法进行了研究,有效的提高了列车自动驾驶控制系统的弹性。论文的创新点如下：1.针对一类含有自回归滑动平均有色噪声干扰的广义线性参数模型,提出了基于多新息参数辨识理论的遗忘广义增广随机梯度算法和基于滤波的多新息随机梯度算法。基于辨识回归模型,推导了基于多新息辨识的隐式自校正列车跟踪控制算法。利用鞅收敛理论分析了参数辨识算法的收敛性能并证明了控制算法的稳定性。2.针对一类含有自回归有色噪声的广义线性参数模型,提出了基于有限量测数据的梯度迭代辨识算法和基于滚动数据的分解最小二乘迭代算法。利用分解技术降低了算法计算量,满足列车实时控制的需求。基于迭代辨识算法提出了两阶段自适应终端停车控制算法,该算法能够保证变化车辆参数干扰下的停车精度,并拥有较好的乘车舒适度。3.针对ATO系统存在输入输出非均匀采样和丢失数据的情况,将ATO系统建模成一个双率系统。基于广义线性参数模型,提出了基于辅助模型思想和基于递推数据间隔的非均匀采样(双率)参数辨识算法,保证了非均匀采样数据／缺失数据条件下算法的辨识精度。所提出方法无需数据解耦,方便实际ATO控制使用。4.针对ATO系统输入输出传感器故障,提出基于未知输入观测器的传感器故障检测方法。分析了观测器设计的收敛条件,并结合收敛条件给出了基于残差的故障检测算法的设计步骤。借助残差生成器的阈值设定,能够对三类通用信号故障进行有效检测。检测信息可供列车控制、维护使用,方法具有较强的实用性。