随着铁路货运需求的增长,对铁路运输的能力提出了更高的要求。当列车长度增长,载重量增加,采用现有的空气制动会体现出制动同步性差、制动精确度不高的缺点,从而使得重载列车纵向冲击增大,容易造成断钩、脱轨等重大事故。本文分析了重载列车制动过程,研究了模糊预测控制的三个部分,即:模糊预测模型建立,滚动优化环节和反馈校正环节。在原有基础上对以上三个环节改进优化,具体工作有:分析了重载列车制动控制系统及关键环节的工作机理,其核心部件制动风缸,是一个具有非线性,时变和迟滞的控制对象,并采用基于T-S模糊模型的建模方法,在保证快速的辨识的前提下提高了辨识精度。建立制动缸模糊预测控制系统模型,并对系统的稳定性进行证明。设计了一种适用于重载列车制动缸控制器,该控制器主要运用了模糊预测控制模型,采用基于递推增广最小二乘算法的优化群组选取策略,对初始数据进行优化。并加入模糊粒子群的寻优方法,形成具有模糊自寻优策略的预测控制滚动优化方法,最终获得的结果作为输出结果,降低了随机性干扰对制动控制系统稳定性的影响。采用基于神经网络模型的误差消除方法消除了高速电空阀由于动作迟滞引起的死区时间,减少高速电空阀死区时间的影响和制动风缸压缩气体换能过程的迟滞问题。最后,对改进模糊预测控制算法在制动缸系统中的作用进行仿真分析,仿真结果表明在制动缸压力控制方面表现良好结果。减小了非线性因素的影响,同时压力控制的响应可控性更强,同时该算法在提升系统稳定性方面具有明显优势,同时具有精度高,收敛快的特点。