中国拥有世界上规模最大的高速铁路网,接近三万公里的运行里程远超世界其它国家。高速铁路的不断修建与蓬勃发展,全面提高了中国路网出行质量与效率并促进着中国区域经济的协调均衡发展。中国自主研发的高速铁路运行控制系统,在国际上取得了领先地位并在不断地创新完善。自动驾驶技术(Automatic Train Operation,ATO)作为其关键技术之一已在城市轨道交通中成功应用,高速列车ATO技术也在如火如荼的进行着。其中控制列车安全高效运行是ATO技术的重要职责,因此如何保证高速列车运行平稳安全是近年来ATO速度跟踪控制的研究热点。故本文紧跟ATO技术发展步伐,研究具有跟踪精度高、鲁棒性强的智能化速度跟踪控制算法。由于高速列车运行工况较为复杂,其运行过程具有明显的非线性、时变性和易受外界干扰,因此本文利用神经网络建立高速列车运行过程模型并用广义预测控制实现列车速度跟踪控制,具体研究内容如下:在研究国内外学者对高速列车建模方式的基础上,本文选择数据驱动方式建立高速列车运行过程模型。根据获取的列车运行实际输入输出数据,采用有监督和无监督学习方式对径向基神经网络模型进行离线训练,从而建立列车运行过程非线性模型,同时在列车运行时对所建立的神经网络模型进行在线调整以此保证模型有效性。速度跟踪控制算法的设计采用具有鲁棒性和自适应能力较强的广义预测控制算法。首先对广义预测控制算法进行详细分析,然后将训练得到的径向基神经网络模型瞬时线性化并作为广义预测控制的预测模型,最后针对广义预测控制计算过程复杂,对其进行改进从而简化计算,改善算法控制性能。考虑高速列车运行过程中的速度跟踪精度、控车舒适度、停车准确度等指标,构建包含控制输入约束的多目标函数,设计基于多目标函数的广义预测速度跟踪控制算法。通过求解带约束条件的多目标函数二次优化问题实现高速列车速度距离跟踪控制,以此保证列车速度距离曲线跟踪的精准性及乘客舒适性。最后以CRH380AL型高速列车为仿真对象,对所设计控制算法进行数值仿真验证。结果表明所设计的控制算法能准确跟踪给定的速度距离曲线且响应速度快;同时乘客乘车体验也得到很大改善。对ATO速度跟踪控制算法的设计具有一定的参考价值。