1.一种建立列车最大牵引力限定神经网络模型的方法，其特征在于，最大牵引力限定神经网络模型的输入为列车车速和轨道状态，输出为列车最大牵引力限定值；最大牵引力限定神经网络模型采用2轮次训练建模，第1轮次训练建模的方法是，输入的轨道状态设定为干燥，最大牵引力限定神经网络模型以函数为目标进行逼近训练，得到经验公式逼近模型，其中，V是模型输入的列车车速，Fμm是模型输出的最大牵引力限定值，Pμ为计算粘着重量，a1、a2、a3、a4、a5为计算粘着系数的经验公式参数；所述列车为电力机车牵引的列车；

第2轮次训练建模的方法是，使用采集的列车车速、轨道状态和相对应的最大牵引力限定值样本数据，在经验公式逼近模型的基础上进行训练，训练完成后对模型参数进行固定，得到最大牵引力限定神经网络模型。

2.如权利要求1所述的建立列车最大牵引力限定神经网络模型的方法，其特征在于，轨道状态包括干燥、潮湿、撒沙。

3.如权利要求1所述的建立列车最大牵引力限定神经网络模型的方法，其特征在于，依据蠕滑度变化率和蠕滑度判断列车轮对是否发生空转，并依照空转判断结果决定是否对最大牵引力限定神经网络模型输出的列车最大牵引力限定值进行空转牵引力控制；判断列车轮对是否发生空转的方法是，当空转风险值E大于等于1时，则列车轮对发生空转；空转风险值E按照式进行计算，其中，x1为蠕滑度变化率，θ1为蠕滑度变化率阈值；x2为蠕滑度，θ2为蠕滑度阈值；τ为非线性加权指数，γ1、γ2为非线性加权因子，且τ≥2、γ1≥1、γ2≥1。

4.如权利要求3所述的建立列车最大牵引力限定神经网络模型的方法，其特征在于，通过控制空转牵引力控制比θ来实现空转牵引力控制；牵引力控制比θ为空转牵引力控制之后列车牵引力与空转牵引力控制之前列车牵引力之间的比值，且有0≤θ≤1；空转牵引力控制过程是：过程I，空转牵引力减小过程，从空转风险值E大于等于1且持续增大开始，至空转风险值E从持续增大变为开始持续减小时结束；过程I中控制θ以斜率d1开始减小，过程I结束时的θ值为最低维持值；θ的最低维持值不小于0；

过程II，空转牵引力最低维持值维持过程，从过程I结束开始，至空转风险值E小于1时结束；过程II中，空转风险值E持续减小，控制θ等于最低维持值；

过程III，空转牵引力恢复过程，从过程II结束开始，至θ增大到等于1时结束；过程III中，空转牵引力控制模块控制θ以斜率d2开始增大，直至θ等于1；斜率d1的下降速率大于斜率d2的上升速率。

5.如权利要求4所述的建立列车最大牵引力限定神经网络模型的方法，其特征在于，在空转牵引力控制过程II中，若空转风险值E从持续减小转变为持续增大，则返回过程I进行空转牵引力控制；在空转牵引力控制过程III中，若空转风险值E再次增大到大于等于1，则返回过程I进行空转牵引力控制。