在信息技术、控制技术等高新技术的推动下,高速铁路列车自动驾驶(Automatic Train Operation,ATO)系统应运而生,高速铁路ATO系统可以降低线路运营成本、提高铁路运输能力,是今后的发展方向。安全是铁路永恒的主题,测试是保证高速铁路ATO系统功能正确性的重要技术方法,测试序列指导整个测试工作,测试序列的优劣关系到测试工作的质量和效率。如何自动生成高质量的测试序列、提高测试效率一直是列控系统测试工作中的关键问题。北京交通大学作为第三方已完成对京沈高速铁路ATO系统的测试工作,论文在此基础上,总结了高速铁路ATO系统的测试方法、提炼出编制测试序列需要遵循的原则。针对人工编写测试序列工作量大、效率较低的问题,利用循环神经网络(Recurrent Neural Networks,RNN)和专家系统从测试序列的生成与判断两个角度展开研究。结果表明,该方法可以有效提高测试效率。具体地,论文进行了以下研究工作:(1)提出基于RNN的测试序列自动生成方法。将测试序列自动生成问题转化为具有时序性的预测问题,选用RNN的变体——长短时记忆网络(Long Short-Term Memory,LSTM)作为测试序列自动生成模型。神经网络的输入为有序事件,输出为测试子序列,将测试子序列按照测试路径串接即可得到测试序列。利用京沈高铁测试序列作为数据集训练神经网络,对比分析了模型生成的测试序列与人工编写的测试序列之间的异同之处,证明了方法的可行性。(2)提出基于专家系统的测试序列判断方法。利用产生式规则表示测试序列长度、覆盖度的相关知识并建立专家系统的知识库,选用正向推理机判断测试序列是否满足知识规则;对于不符合要求的测试序列,专家系统的判断结果会指出其问题所在,进而帮助测试人员重新生成测试序列。(3)结合测试序列自动生成算法及测试序列判断算法,利用C#语言完成高速铁路ATO系统测试序列辅助生成工具的开发工作。该工具能够根据列控工程数据、测试案例自动生成测试序列。实际结果表明,与人工相比,该工具可以提高17.95%的效率。