交互式多模型(Interacting Multiple Model,IMM)兼具低计算量与高精度的优势,是最主流、最具费效比的多模型算法,在混合系统状态估计领域有着广泛的应用。转移概率矩阵(Transition Probability Matrix,TPM)是IMM算法中的重要参数,往往根据先验信息被设置为固定的常数矩阵,这是一种保守而折中的参数设定方法,导致IMM算法不能达到预期性能。本文分析了IMM算法估计混合系统状态时,不同系统状态下对TPM的需求,针对其转移概率自适应算法的研究与应用展开了如下工作:1、由于模型概率的斜率中蕴含着系统模型模型跳转趋势,因此根据该斜率构造了转移概率修正函数,提出了一种基于模型概率斜率修正的转移概率自适应交互式多模型算法,并通过仿真实验验证了算法的性能。2、根据后项差分思想,构造了基于模型概率后项差分的转移概率修正函数,提出一种基于模型概率N阶后项差分的转移概率自适应交互式多模型算法,分析了差分阶数N对算法性能的影响,并通过仿真实验验证算法的性能。3、针对上述根据模型概率信息修正的IMM算法不能适时判断系统当前模型状态,导致算法响应模型跳转能力弱化的问题,提出了一种基于似然函数比的模型跳转判断方法,通过该方法提供的当前模型信息重新构造了转移概率修正函数,提出一种基于转移概率自适应的并行交互式多模型算法,采用仿真实验验证了该算法的性能。模型切换阈值是该算法的重要参数,通过理论分析与仿真实验给出了该参数的设置准则。4、运行列车的运动状态分析实际上是一种混合系统状态估计问题,针对动力学模型集参数难确定的问题,提出一种基于受力分析的列车动力学模型集建模方法,并将本文所提的转移概率自适应IMM算法应用于列车运动状态分析中,仿真实验证明了本文所提建模方法、转移概率自适应交互式多模型算法在列车运动状态分析中的可行性与有效性。