在缓解城市交通压力的过程中,城市轨道交通起到了越来越显著的作用。它有客运周转量大、舒适性好、受干扰少、速度快、安全准点等其它交通工具不可企及的优点。在正常状况下,列车严格按照列车计划运行图运行,但由于存在诸多随机因素的干扰,尤其在以列车运行间隔短为显著特点的城市轨道交通系统上,一辆列车的不正点运行往往会影响其它列车的正点运行,有时甚至会影响整个城市轨道交通的有序运营。因此,对城市轨道交通列车运行调整的研究很有必要。智能的自动调整方法可克服传统人工调整时出现的随意性大、对调度员要求高、劳动强度大、效率低等缺陷,能及时、快捷、全面的制定优化的调整方案。要实现智能模拟,如果将多种方法进行结合,其优势将会明显显现。神经网络和模糊系统在知识表达方式、获取方式和计算能力方面具有强大的互补性,相同的分布式知识存储方式更使得两者具有理论上的结合基础。因此本文提出了一种基于模糊神经网络的列车自动调整算法,并完成了相关的研究,同时也进行相应的仿真测试,得出了较好的结果。本文在对列车运行调整研究的发展状况进行简要描述后,对地铁列车自动监督子系统(ATS)子系统的组成、功能进行了介绍并分析了列车运行调整功能实现需要解决的问题。随后,本文对模糊神经网络的定义、原理和学习方法分别从神经网络和模糊控制理论两个方面进行了详细阐述。通过调整目标,约束条件的确定,建立了地铁列车运行调整的模糊神经网络模型。本文根据西安市地铁有关数据,运用MATLAB仿真软件构建了一个仿真测试环境。根据实际基础线路数据以及行车组织原则并结合运行时刻信息,进行了列车晚点情况下运行调整的仿真试验。得出的仿真试验结果表明,本文所提出的基于模糊神经网络的列车自动调整算法在列车运行调整中是可行和有效的。但影响列车运行的因素很多加上这些因素相互关联的复杂性,使算法的优劣没有明确的评判标准来权衡,因此,本论文只是通过使用模糊神经网络的方法对地铁列车运行调整进行一次初步尝试,对于ATS子系统的自动调整功能的课题攻关具有实际意义。