随着高速动车组持续的高速运行,造成动车组运行的动态环境持续恶化，空气阻力作用、列车车厢之间的非线性和耦合特性等明显增强。针对高速动车组运行过程中的复杂性、不确定性和非线性等问题，本文开展了高速动车组的建模与参数优化研究，具体如下：(1提出了高速动车组非线性模型的极大似然(Maximum Likelihood,ML)辨识方法，适合于高速动车组在非高斯噪声干扰下的非线性模型的参数估计。首先，分析了高速动车组在水平方向上的受力情况，进而建立了反映高速动车组单质点力学行为的随机离散非线性状态空间模型。将高速动车组参数的ML估计问题转化为期望极大的优化问题。然后，给出了高速动车组状态估计的粒子滤波器和粒子平滑器的设计方法，基于此构造了动车组的条件数学期望，并给出最大化该数学期望的梯度搜索方法，进而得到动车组参数的辨识算法，分析了算法的收敛速度。最后，进行了高速动车组的数值实验，实验结果说明所提辨识方法是有效的。(2)针对高速动车组多质点模型的参数估计问题，提出了适合于高速动车组多质点模型的极大似然辨识方法。首先，建立了高速动车组的随机离散非线性状态空间模型，并利用期望极大方法来解决高速动车组参数的极大似然估计问题。接着，给出适合于高速动车组的改进粒子滤波算法，据此构造了高速动车组的条件数学期望。然后，给出高速动车组参数优化的梯度搜索方法，进而得到高速动车组参数的辨识算法，并分析了辨识算法的局部稳定点。最后，进行了高速动车组的仿真实验，结果表明提出的方法是有效的。(3)研究了突变情况下高速动车组多质点模型的状态估计问题。首先，建立了描述高速动车组动态特性的随机离散非线性状态空间模型。然后，将高速动车组的状态估计问题转化范数求和正则化的最小二乘问题，正则化参数用来平衡拟合精度与状态变化范围，加权因子用来提高状态估计过程的鲁棒性，进而得到适合于高速动车组的状态估计算法。最后，进行了高速动车组的数值实验，结果表明提出的方法是有效的。