1.一种基于极大似然法的机车粘着性能参数估计方法，其特征在于，包括以下步骤：S1.通过机车传感器获取的实时数据；

所述数据包括机车粘着系数u(λ)和蠕滑率λ；

S2.建立轮轨间模型；

所述模型采用kiencke粘着模型：

其中，u0是粘着特性曲线初始斜率；

λ为蠕滑率；

u(λ)为蠕滑率等于λ时的机车粘着系数；

p1,p2为待估计的描述参数；

S3.建立似然函数；

对步骤S2中kiencke粘着模型变形；构造参数的辨识模型；所述参数辨识模型构造过程如下：

其中，记输入为U，输出为Z，令输入UT(k)＝[U1(k),U2(k)]＝[u(k)·λ(k),u(k)·λ2(k)]，令输出Z(k)＝u0·λ(k)-u(λ)，考虑高斯测量噪音v(k)～N(0,σ)，构造出参数辨识模型如下：Z(k)＝p1(k)·U1(k)+p2(k)·U2(k)+V(k)  (3)S4.结合极大似然算法原理构造对数似然函数；

对S3中参数辨识模型(3)构造对数似然函数并对其求极小值；

S5.以步骤4中的机车粘着模型的对数似然函数为基础，构造目标函数，转化为二次规划问题；

由(4)式可得，v(k)＝Z(K)-P1(k)·U1(k)-P2(k)·U2(k)，代入 可得：

其中，令

上式变形为：

S6.采用拟牛顿法求解步骤S5的二次规划问题，得到待估参数p1,p2。

2.根据权利要求1所述的参数估计方法，其特征在于，还包括引入时变遗忘因子，如下式：

f(k)＝ηf(k-1)+[-2·Z(k)·U1(k) -2·Z(k)·U2(k)]。

3.根据权利要求2所述的参数估计方法，其特征在于，所述时变遗忘因子采用比例控制器来调节。

4.根据权利要求2所述的参数估计方法，其特征在于，所述遗忘因子取值包括以下时变量：

上式中，ηk为k时刻的遗忘因子。ξk为算法的实时误差，定义为粘着系数u(k)的|预测值-观测值|。Kp为可调节的比例参数。ηmin和ηmax为ηk的取值范围。

5.根据权利要求1所述的参数估计方法，其特征在于，所述拟牛顿算法构造出递推方法得到参数θ(k)＝[p1(k),p2(k)]的算法流程为：D1.给定初始点以及误差范围，考虑初始点设定为干燥轨面参数。

D2.在k时刻，由步骤4中的定义采集数据计算H(k),f(k)。

D3.设校正矩阵 并计算在x(1)(k)处的梯度g1。

D4.计算搜索步长li，li为使得 成立的值。

(1) (i) (i+1) (i) (i)D5.从x (k)出发，沿d ＝-Migi搜索。令x ＝x +lid 。

D6.计算梯度gi+1＝▽f(x(i+1))，令p(i)＝x(i+1)-x(i)，q(i)＝gi+1-gi，计算矫正矩阵 D7.重复第三步到第四步直到满足误差要求，输出x(k)。

D8.在k+1时刻，重复第二步到第七步。

6.根据权利要求1所述的参数估计方法，其特征在于，还包括步骤S7：仿真结果分析。

7.根据权利要求1所述的参数估计方法，其特征在于，所述二次规划问题求解方法还包括信赖域法、乘子法和单纯形法。