高速列车服役安全与车体和转向架关键部件的安全性态紧密相关。由于列车的高强度运行,一些部件更容易出现磨损、老化、疲劳和失效等潜在故障因素,其相应的关键参数也会出现变化。本文针对列车车辆悬挂系统的参数估计问题,实现了基于卡尔曼滤波器(Kalman filter)、扩展卡尔曼滤波器(Extended Kalman filter)、无迹卡尔曼滤波器(Unscented Kalman filter)的高速列车参数状态联合估计。参数及状态估计结果可用于评估列车的运行状态,实现高速列车关键参数及状态的实时监测。首先,通过研究列车车体及其转向架的结构,本文建立了列车车辆的线性动力学模型。并以列车车体上安装的五个加速度传感器数据被选取作为状态方程的输出变量,给出了列车车体的状态空间模型,并进行了离散化。高速列车运行数据是由基于转向架动力学方程模型在仿真软件SIMPACK以及SIMULINK中搭建的模块,通过计算机仿真输出的。其次,在将已经建立好的状态空间方程离散化后,本文依据随机线性离散系统的卡尔曼滤波器基本方程。通过基于卡尔曼滤波的状态估计方法,得到了各项状态变量在列车正常运行时的状态。在列车正常运行的状态仿真实验中,仿真结果较好地体现了列车各项状态变量的情况。并消除了列车传感器所受的高斯白噪声的影响。进一步地,对于需要对列车关键参数(抗蛇行阻尼器、踏面锥度、横向阻尼器)进行参数状态联合估计时,待估计的系统是一个非线性系统。对于非线性系统,本文选取了扩展卡尔曼滤波、无迹卡尔曼滤波对其进行状态、参数的联合估计,对高速列车服役安全关键参数的实时估计进行仿真和评估。两种非线性滤波方法(扩展卡尔曼滤波、无迹卡尔曼滤波)分别被用于高速列车的状态、关键参数联合估计中,仿真结果证明了基于非线性卡尔曼滤波的参数估计方法在高速列车关键参数估计中的有效性。最后,列车关键部件-抗蛇行阻尼器的非线性加入到了列车模型中。针对抗蛇行阻尼器的物理特性,主要工作是集中于对其分段线性化,并使用参数估计方法针对基于分段线性化描述的抗蛇行阻尼器进行跟踪和估计。仿真实验证明,基于扩展卡尔曼滤波器的方法能够对分段基于分段线性化描述的非线性元件抗蛇行阻尼器的参数进行跟踪和估计。