城轨列车具有载客量大、舒适性好、安全性高等优点,现已成为轨道交通领域中的重点发展对象之一。现阶段,在世界各地,城轨列车已经逐渐从手动驾驶模式过渡到自动驾驶模式。因此,列车自动运行(Automatic Train Operation,ATO)系统因其快速性、准时性、安全性等优势,得到了极其快速的发展。本文针对城市轨道列车ATO系统中的速度曲线优化及跟踪控制方面进行了深入研究,主要内容如下:(1)以节能性、舒适性、停车准确性和准时性为优化指标,建立城轨列车运行的多目标优化模型,并采用一种基于熵的线性组合赋权法来确定各个指标的权重系数,同时采用文化基因算法(Memetic algorithm,MA)对列车的优化模型进行优化。MA算法的全局搜索策略采用遗传算法(Genetic algorithm,GA),局部搜索策略采用爬山算法(Hill Climbing,HC)。(2)对MA算法进行了改进,引入了定向变异、基因修正、融合距离、反向学习的思想,这不仅提高了MA算法的收敛速度和寻优能力,而且寻优得到的目标速度曲线在各个性能指标上都得到了一定程度的改善。(3)采用动态矩阵控制(Dynamic Matrix Control,DMC)原理对ATO系统的速度跟踪控制器进行了设计,并给出了一种基于控制目标模糊满意度的柔化因子在线调整的方法,使城轨列车的实际速度能够精确地跟踪上目标曲线速度。最后根据大连地铁12线的实际线路数据,通过MATLAB/SIMULINK对列车ATO系统进行了仿真研究,仿真结果验证了改进的MA算法及柔化因子在线调节的DMC算法在列车速度曲线优化和速度跟踪控制方面的可行性和有效性。