作为替代既有线铁路25T型客运列车的动力集中式动车组,如其他客运及货运列车一样,粘着控制是保证动车组牵引效率的重要装置。轮轨间的粘着情况决定了动车组运行状况,粘着控制保证避免因轮对发生空转带来的严重轮对摩擦等危害。对于粘着控制系统而言,车速是控制的关键参数,但是一般情况下,车速不能直接获取,而每个车轴上通过传感器可以获得对应轴的轮角速度。本文针对粘着系统的非线性性,采用非线性系统状态估计方法,对动力集中式动车组车速估计进行了研究,主要包括以下内容:首先,设计了基于模糊系统和扩展卡尔曼滤波算法的车速估计方法。基于多轴牵引动力学模型,针对每个轴设计干燥和潮湿两种轨面情况下的多模型扩展卡尔曼滤波算法。通过速度选择方法获得各轴的估计车速。通过模糊逻辑确定各轴估计车速权重系数。通过数据融合获得参考车速。实现由于轨面变化引起动车组轮对空转或者滑行时也能精确估计车速。然后,设计了基于交互式多模型非线性滤波算法的车速估计方法。基于单轴牵引动力学模型,考虑三种轨面情况及粘着系统的非线性,设计了交互式多模型非线性滤波算法。结合改进的马尔可夫矩阵,对处于粘着区的轮对进行精确车速估计,不需要额外的轨面判定。设计了交互式多模型非线性平滑算法,提高整体车速估计精度。实现多轨面变化时动车组车速的自动跟踪。最后,设计了基于二型模糊系统的交互式多模型滤波车速估计方法。基于多轴牵引动力学模型,通过交互式多模型非线性滤波算法获得各轴估计车速。通过二型模糊系统确定各轴估计车速权重系数。通过数据融合实现车速的精确估计。在实现轨间自适应跟踪的前提下,克服轮轨间高度不确定性,以及轮对发生不同程度空转导致滤波算法估计误差增大的问题。