列车运行控制系统作为现代轨道交通的中枢和大脑系统，对列车运行的安全和效率起着决定性作用。列车定位是现代列车运行控制系统的关键技术之一，精确、可靠的列车定位信息是实现列车准确、有效控制的前提和基础。里程计定位是目前我国轨道交通普遍采用的列车定位方法，但由于车轮空转、滑行和轮径磨耗等原因，里程计测速测距精度会随着列车运行逐渐降低。如何减少上述因素对列车定位的影响，是基于里程计的列车定位方法必须要解决的关键问题。
　　多传感器组合定位是实现低成本、高精度列车定位的有效方法，组合定位模式已成为当前轨道交通列车定位技术的发展趋势。多传感器信息融合算法是组合定位系统的核心内容，如何保证和提高融合算法的滤波精度和稳定性，直接关系到组合定位系统的性能。
　　本文对基于里程计的列车组合定位方法和理论进行了研究，包括空转/滑行的检测及误差补偿方法、列车轮径的校准方法、多传感器定位信息融合估计算法等。主要研究内容包括：
　　1、首先建立了里程计的列车定位误差模型，然后在各种传感器定位特性分析基础上，给出了多传感器组合定位方案，采用里程计、多普勒雷达以及北斗卫星导航系统构建列车组合定位系统，利用该组合系统可实现列车的连续、可靠测速定位。
　　2、针对车轮空转、滑行影响里程计定位精度的问题，提出了一种基于多传感器观测信息的空转、滑行检测和误差补偿方法，通过仿真测试验证了该方法的有效性；针对车轮磨耗导致轮径减小从而影响里程计定位精度的问题，给出了利用其它类型的传感器辅助里程计完成轮径校准的方法。引入组合预测理论，提出了一种基于最优非负变权组合预测模型的轮径在线预测与校准方法，通过实例分析和仿真测试验证了该方法的预测性能，提高了列车定位系统的连续、自主校准能力。
　　3、针对列车组合定位融合估计的非线性问题，对目前应用于列车组合定位融合估计的滤波算法进行了研究，主要包括标准卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波、粒子滤波、H?鲁棒滤波等，分析了各种算法的原理和优缺点，通过仿真测试比较了卡尔曼滤波及其改进算法在相同仿真参数环境下的滤波估计性能。在此基础上，选择无迹卡尔曼滤波（UKF）作为本文列车组合定位融合估计的基础算法。
　　4、针对列车组合定位融合估计的鲁棒性需求，首先基于自适应卡尔曼滤波原理对标准UKF算法进行改进，构造了一种自适应UKF算法，在此基础上通过引入抗差估计理论对自适应UKF算法进一步改进，构造了一种应用于列车组合定位融合估计的自适应抗差UKF算法。通过仿真测试对标准UKF、自适应UKF以及自适应抗差UKF进行对比分析，验证了自适应抗差UKF在滤波估计精度、滤波稳定性等方面的优势，保证了列车组合定位结果的精度和可靠性。
　　空转、滑行和轮径磨耗是制约列车里程计定位精度的主要因素，研究其检测及误差补偿方法在现有列车定位模式下具有重要的现实意义。多传感器信息融合估计算法是决定列车组合定位系统定位性能的关键因素，在现有算法基础上研究能够提高滤波精度和稳定性的改进算法，具有很好的理论和应用价值。