通过智能算法实现列车速度的自动调整是整个列车控制系统研究的关键，也是实现列车自动驾驶的主要功能之一。当前在高速铁路中是人工驾驶列车运行。由于司机的控车经验各不相同，会对控制效果产生影响。所以在高速铁路中通过设计速度控制器使列车能够严格跟踪优化过的目标速度曲线进行自动运行具有重要的意义。本文主要研究以下内容：由于城市轨道交通系统和高速铁路的CTCS-3(Chinese Train Control System-3,中国列车运行控制系统-3级)有相同的技术原理，因此在这些设备的基础上，借鉴发展成熟的城市轨道交通系统的列车控制模式在CTCS-3系统中加入速度控制器单元，完成列车的自动驾驶功能和信息之间的交互。列车在按照运行图运行过程中包含的大量有用信息被忽略了，并且列车在运行过程中会受到自身和外界多种影响，难以建立精确的数学模型。而利用ILC(Iterative LearningControl,迭代学习控制)方法设计列车的速度控制器仅需要通过系统的历史输入输出数据就可以构建模型，并且将运行过程中受到的干扰转化为负载扰动。通过不断的迭代学习，减小这些干扰对控制系统的影响，提高系统的控制精度。列车的目标速度曲线仅是根据目标的位置速度和当前列车实际的位置速度而生成的，没有全面考虑到列车在运行过程中需要满足安全、准点、舒适、高停车精度以及低能耗的要求。通过PSO(Particle Swarm Optimization,粒子群算法)对列车速度曲线进行优化，可以使控制曲线平滑，避免多次加减速切换，降低了能源消耗，提高了旅客的舒适度，为列车运行提供最佳的控制策略。为了验证该设计的合理性，采用VC++6.0对其进行仿真实验，并设计出控制系统界面和人机显示界面。完成数据初始化后使列车能够自己根据优化后的目标速度曲线行驶，并能自动调整列车速度，降低司机的劳动强度。然后对该控制模式下的列车性能指标进行分析，判断控制策略的优劣，为以后的技术发展提供先验条件。