经济社会的高速发展对铁路运输的运量、运速提出了更高的要求,而运量、运速的提高也加剧了机车轮轨黏着关系的恶化,导致相关设备寿命降低,且影响机车运行品质,甚至危及行车安全。为改善轮轨黏着关系并有效发挥机车牵引力/制动力,需对机车进行黏着控制。而对机车运行过程中的参数进行准确辨识、以及设计合理有效的黏着控制器则是实现良好机车黏着控制效果的基础。因此,本文从轨面黏着系数实时滤波估计、黏着控制器设计两方面入手,进行了机车黏着无模型自适应控制研究。本文的主要研究内容具体为:（1）通过对轮轨黏着机理的阐述,分析了轮轨黏着特性及其相关影响因素,将运行中的机车视为单质点,对其进行受力分析,建立了简化的机车单轮对动力学模型。（2）针对机车运行过程中的时变参数辨识问题和噪声干扰下的参数辨识问题,提出了SVD-UKF算法。利用奇异值分解（Singular Value Decomposition,简称SVD）对系统扰动不敏感、稳定性强的优势,对无迹卡尔曼滤波器（Unscented Kalman Filter,简称UKF）进行改进,克服了其易陷入矩阵求解病态的局限性问题,实现了轨面黏着系数的实时滤波估计。（3）针对滤波器和黏着控制器参数优化问题,提出了一种改进的鸽群优化算法（Improved Pigeon-Inspired Optimization,简称IPIO）。将全局搜索能力较好的天牛须算法引入指南针算子中,在地标算子中引入混沌扰动策略以提高局部搜索精度。并利用标准测试函数对改进鸽群算法、基本鸽群算法及粒子群算法的搜索速度和搜索精度进行对比分析,结果表明改进鸽群算法（即IPIO）具有更佳的寻优性能,验证了算法改进方案的正确性及有效性。（4）针对控制器设计过程中的未建模动态和鲁棒性问题,设计了仅依赖于被控系统I/O数据的三种无模型自适应控制器。基于无模型自适应控制（Model-Free Adaptive Control,简称MFAC）方法,将简化的机车单轮对动力学模型作为被控对象,提出了包含5个模块的机车最优黏着控制策略,并设计了紧格式、偏格式及全格式的三种机车黏着无模型自适应控制器。（5）构建适应度函数,采用IPIO算法对SVD-UKF滤波器和黏着控制器的参数进行优化,并对本文所提出的机车最优黏着控制策略进行仿真验证。结果表明,在多种轨面工况下,所设计的控制器均具有良好、稳定的控制性能;IPIO算法寻优能力良好,在所构建的适应度函数引导下对滤波器和控制器进行参数整定,可以有效避免主观经验对于整体控制效果的影响。