现有高速列车制动控制采用人工手动,控制过程对动车组司机驾驶经验要求极高,经常有因司机操纵不当导致列车超过限制速度和停靠位置不准确等现象。研究面向自动驾驶的高速列车制动过程的建模及控制方法,实现列车在制动过程自动驾驶,具有重要的现实意义和应用前景。本文针对高速列车基础制动装置的结构和动力学特点,建立考虑参数时变、时滞和非线性特征的动车组制动单元模型,考虑高速列车由多个制动单元组成以及各制动单元的相互耦合作用,在制动单元模型的基础上,建立动车组制动过程的多动力单元模型。基于制动系统的多动力单元模型,采用基于极限学习机(Extreme Learning Machine,ELM)的多输入多输出(Multiple Input and Multiple Output,MIMO)广义预测控制快速算法对动车组的制动过程进行速度跟踪控制。实现动车组制动过程的准时、舒适、安全和停靠准确。本论文的具体研究工作如下:1、首先针对国内实际高速列车动力学特点,考虑动车组车间耦合力的关系建立多动力单元分布式离散化模型;然后根据高速列车基础制动装置的结构和制动系统的信号流向对单个动车组制动单元进行分析,考虑列车在实际制动的过程中存在参数时变、时滞和非线性特征的因素,可以用一个分布式自回归三阶离散系统来表示动车组每一个动力单元非线性制动模型中输入的制动力u与输出的速度v的关系;最后采用递推最小二乘法进行辨识模型参数。2、基于高速动车组制动过程的多动力单元模型,设计基于极限学习机(ELM)的多输入多输出(MIMO)广义预测控制快速算法对动车组的制动过程进行速度跟踪控制。首先采样当前时刻输入数据(制动力)和输出数据(速度),结合建模部分所得到的分布式自回归三阶离散化模型以及对CARIMA进行辨识得到的模型参数向量,然后通过极限学习机(ELM)把模型参数快速映射到广义预测控制器系数,得到最优的控制律;最后求解当前采样时刻的控制力的增量以及由此得到下一时刻的输出跟踪速度,通过比较从而实现动车组快速算法对高速列车列车制动速度的快速跟踪控制。论文的研究成果可对未来高速动车组能够实现速度快、准时、跟踪精度高的安全高效的自动驾驶(Automatic Train Operation,ATO)提供理论依据。