近年来,高速铁路技术在运营过程中在不断发展和完善。高速铁路不仅在旅客需求方面都具有特殊的优越性,在国家战略方面,也具有运输能力大、社会效益高的优势。高速铁路已成为各国交通运输发展的共同趋势。ATO(Automatic Train Operation,列车自动驾驶)系统是ATC(Automatic Train Control,列车运行控制)系统中的一个重要的子系统,对于协调各系统之间的工作,提高运输系统的潜在效能,使全线的运输安全、高效、平稳运行,实现运营管理现代化有重要的意义。本文的研究内容主要包括以下几个方面:首先,对HS(Hybrid System,混合系统)理论进行了深入分析,阐述了混合系统建模模型的分类并揭示了它们之间的关系,对MPC(Model Predictive Control,模型预测控制)理论的发展状况、理论基础及其三大主要特征预测模型、滚动优化、反馈校正进行了系统说明。其次,对列车动力学方程进行深入研究,建立混合系统列车动力学模型。针对运行阻力的非线性特性,采用分段线性化方法对其进行线性化处理,既简化了控制器设计的难度,也保留了运行阻力的非线性特性。同时,引入整数变量,建立列车PWA(Piece Wise Affine,分段仿射)模型。为了便于控制律求解,将分段仿射模型转换为MLD(Mixed Logical Dynamical,混合逻辑动态)模型,并详细阐述了列车混合系统动态模型建立过程及其相互转换过程。再次,基于预测控制理论设计满足自动驾驶要求的性能指标,包括:准时性、舒适性、节能性。为了在保证控制器工作性能的基础上简化控制器计算量,引入阶梯式控制策略。再将优化问题转化为混合整数二次规划问题,求解控制律,有效地解决了列车自动驾驶控制中的约束问题。通过数值仿真验证控制器的性能。最后,针对环境复杂多变、扰动等对列车运行状况的影响,为了提高列车驾驶控制器对目标曲线的跟踪精度,提出基于神经网络反馈控制的列车预测控制器,对实时误差进行在线学习和补偿,并与未引入反馈控制的预测控制方法进行比较,进行了仿真实验,并分析了实验结果。结果表明该方法对提高列车驾驶控制器的跟踪性能有显著地效果。