摘要：随着中国高速铁路建设制造技术的迅猛发展,中国高铁“走出去”的步伐正加速助推“一带一路”战略的实现。相对于人工驾驶操纵的优化,动车组自动驾驶技术能有效规避因人为操作失误带来的安全隐患,发挥高速高效的运营优势。未来在动车组自动驾驶方向的研究更符合铁路智能化的新技术潮流。目前自动驾驶技术(Automatic Train Operation， ATO)在部分地铁线上得到了很好的推广应用,如上海地铁10号线以及北京在建的燕房线,已经实现无人驾驶。而动车组高速高密度地追踪运行导致控制过程复杂,众多学者致力于高速动车组的驾驶操纵优化算法的研究,以同时满足安全苛求性、节能标准化、乘客舒适性以及准时正点的多目标控制要求。多数的动车组的优化操纵算法的研究以追踪离线目标速度曲线为核心,缺乏对复杂线路条件的灵活适应性,而且离线优化的目标速度很难兼顾多目标控制要求,主要依靠司机的操控水平和经验。本文摆脱追踪目标速度曲线的固定模式,根据优秀司机的驾驶操纵规则以及驾驶数据建立专家知识库,通过在线学习算法进行优化,以达到多目标的控制要求。本文高速动车组的智能驾驶算法的研究从以下几个方向展开：首先,分析优秀司机的驾驶操纵规律及动车组的牵引、制动特性曲线数据,建立专家经验知识库,并采用单位移多质点模型对动车组进行建模仿真。然后,综合考虑线路限速、临时限速、ATP监控设备的限速值,操纵动车组不超速报警、不触发制动,实现“贴限运行”。最大限度发挥高速动车组的速度优势,缩短追踪时间间隔。建立计划运营时间的动态分配和调整策略,以达到准点的控制要求。利用经验步长最速下降法和改进随机元下降法,不断优化控制器输出,以达到减少工况切换次数,提高舒适度的目标。最后,利用Simulink动态仿真工具,搭建高速动车组智能驾驶仿真平台。为方便用户操作、直观显示仿真结果,还搭建了仿真用户界面(Graphical User Interface, GUI)。利用北京-天津南的实际线路数据,将Fuzzy PID算法作为参照,对本文提出基于精确在线规划的智能驾驶算法(Exact Online Programming Driving,简称EOPD)和基于非精确在线规划的智能驾驶算法(Inexact Online Programming Driving,简称IOPD)进行验证,两种算法的控制效果符合动车组实际控制要求,符合优秀司机驾驶规律。为进一步验证算法的适应性,通过人为设置复杂限速和改变动车组模型参数进行多次仿真验证,表明EOPD算法和IOPD算法的适应性良好。