高速铁路因其安全、快捷、舒适等优势,近年来在我国得到了蓬勃发展。目前我国高速铁路上运行的动车组大多采用的是人工驾驶模式,动车组的运行效果太依赖于驾驶员的操作经验和技术,驾驶员的操作不当或者失误都可能造成列车晚点甚至威胁列车运行安全的情况发生。因此,为了更好地保证列车行车安全、提高高速铁路运输效率,人们致力于研究高速动车组自动驾驶控制策略。用列车自动驾驶系统代替人工驾驶,选用合理的牵引控制策略控制高速动车组的正常运行,同时提高高速动车组安全性、舒适性、节能性、准时性以及精确停车性等性能指标,可以预见实现高速动车组的自动驾驶是未来高速铁路的发展方向。研究高速动车组自动驾驶牵引控制策略,主要在于实现列车运行速度目标曲线的最优化以及对目标曲线的精确跟踪。本文针对以上问题展开研究,对列车自动控制系统(Automatic Train Control System,ATC)和中国列车运行控制系统(Chinese Train Control System,CTCS)进行分析,分别介绍ATC系统的结构、工作原理、功能以及CTCS系统的分类、总体构成;在此基础上,选取要研究的动车组车型,设定运行线路参数,对列车运行过程中所受的牵引力、制动力、阻力进行计算,并采用综合优化控制策略控制列车自动驾驶,完成以舒适性、节能性、准时性以及精确停车性为指标的高速动车组多目标模型的搭建;继而根据各性能指标对高速动车组运行过程的影响程度大小,利用熵权法分配各个性能指标的权重,构建适应度函数,并利用遗传算法优化多目标模型,结合列车牵引计算知识在MATLAB中生成列车运行目标曲线;对PID控制、模糊控制、神经网络控制的结构、工作原理进行介绍,在MATLAB环境下分别建立基于PID控制以及基于模糊神经网络控制的高速动车组速度控制器模型,利用建立的速度控制器对目标曲线进行跟踪控制,最终生成仿真跟踪曲线。通过对目标曲线、基于PID控制的跟踪曲线以及基于模糊神经网络控制的跟踪曲线对比分析,可以得知相比基于PID控制的速度控制器,基于模糊神经网络控制的速度控制器的控制效果更理想,能满足高速动车组运行过程中的各项性能指标要求,进而验证了模糊神经网络控制算法在高速动车组自动驾驶控制过程中应用的可行性。