列车作为一种运输效率高,环保节能的出行方式,关于它的研究也受到越来越多学者的关注。为了确保列车准时、安全、节能地运行,列车自动控制系统(Automatic Train Control,ATC)已经配置在了高速列车,城市轨道等现代列车上。ATC系统包括了列车自动驾驶系统(Automatic Train Operation,ATO)、列车自动防护系统(Automatic Train Protection,ATP)、列车自动监督系统(Auto-matic Train Supervision,ATS)。作为ATC的核心组件ATO,它的的核心功能之一是根据ATP和ATS提供的列车的相关信息进而控制列车按照期望的速度轨迹运行。根据列车重复运行的特征,本论文将迭代学习控制(Iterative Learning Control,ILC)理论应用于ATO系统中,提出了两种ILC控制方案应用于列车的速度跟踪与节能控制,并从理论上分析了其收敛性,再通过仿真对比分析验证了本文提出的两种ILC控制方案的有效性,现将本论文的主要工作及创新点总结如下:(1)考虑了列车的能量消耗限制,车厢之间的作用力,时变的阻力,设计了改进的无模型自适应迭代学习控制算法(improved Model-free Adaptive Iterative Learning Control,iMFAILC)。在原型的无模型自适应迭代学习控制算法(Model-free Adaptive Iterative Learning Control,MFAILC)的输入准则函数的基础上加上对能量函数的惩罚项,并最小化该改进的准则函数,得到iMFAILC控制器。当列车在严格的重复运行模式下运行,即,具有相同的控制任务、运行环境时,iMFAILC可以实现列车的节能控制与速度跟踪,该方法为列车的跟踪精度与能量损耗提供了一种折衷的方法。同时,理论分析证明了本文提出的iMFAILC方法在迭代轴上的收敛性。(2)考虑天气原因导致高速列车在运行过程受到非重复干扰的情况,设计了带反馈的改进的无模型自适应迭代学习控制(improved Model-free Adaptive Iterative Learning Control with Feedback Control,iMFAILC-FC)算法。列车在运行过程中的重复特性可通过前馈控制器(iMFAILC)算法进行学习,而非重复干扰则使用反馈控制器进行辨识与校正。本论文在理论上也分析了该算法的稳定性。(3)以多质点的列车动力学模型为被控对象,对iMFAILC控制器,iMFAILC-FC 控制器进行了仿真。同时为了对比,本文将提出的方法与原型 MFAILC 控制器,P-型ILC控制器,模型预测控制(Model Predictive Control,MPC)进行了对比。仿真结果表明,iMFAILC控制器可以同时实现列车的速度跟踪与节能控制效果,iMFAILC-FC可以有效地抑制列车在运行过程中受到的非重复干扰。