随着城市轨道交通的快速发展,地铁列车的安全性和可靠性逐渐引起人们的关注。其中,地铁列车的牵引/制动执行器的健康情况成为影响列车安全运行的关键因素。因此针对地铁列车的执行器故障,设计容错控制器的任务就显得格外重要,同时为了保证列车的安全性,需要将速度受限和牵引/制动力受限考虑在内。本文主要工作包括:首先,建立了单质点列车模型和多质点单位移列车模型,并将执行器故障考虑在内,同时分析了地铁列车的速度受限和牵引/制动力受限。由于地铁列车模型中的列车质量,阻力,车间力以及执行器故障系数不易精确获取,利用无模型自适应控制中提出的伪偏导数和伪梯度,分别将单质点列车模型和多质点单位移列车模型转化为等价的动态线性化数据模型。然后,针对地铁列车的执行器故障,设计基于最小二乘支持向量机的故障检测方法。将列车的牵引/制动力,速度以及速度跟踪误差作为样本的属性。将故障是否发生分别作为故障样本和正常样本的标签。通过训练不同故障系数下的样本,得到分类模型。将列车实际运行时产生的数据带入该模型,可检测列车是否发生故障。通过实验验证了本文所提故障检测方法的有效性。最后,针对单质点列车和多质点列车的执行器故障分别设计容错控制器。首先利用径向基神经网络对未知非线性函数的逼近能力,设计故障补偿机制。然后分别设计出无模型自适应容错控制器,该控制器仅使用列车运行过程中产生的输入/输出数据,同时考虑地铁列车的速度受限以及牵引/制动力受限,控制过程中仅需要在线更新神经网络权重和伪偏导数或伪梯度。通过严格的理论分析和数值仿真,分别验证了两个容错控制器的收敛性和有效性。