高速列车的弓网系统是个结构复杂且存在约束的非线性耦合系统。列车高速运行时又会受到多种因素的影响,简化的线性理论模型并不能够为控制器的设计提供有效的系统内部信息。再者,控制器的设计也不能够太过依赖模型。实际上,过于依赖模型或者依赖系统内部状态的控制器设计应用场景极其有限,这些控制器仅仅存在理论意义。因此,需要建立接近真实场景的动态数学模型,并依此设计不需要系统内部状态的控制器,从而进一步提高弓网系统的受流质量。本文通过分析不同类型的受电弓和接触网,建立了弓网系统非线性耦合二元模型,并考虑了系统内部状态不可获得的情况,设计了基于高增益观测器的神经网络自适应PID控制器。本文的主要工作如下:(1)叙述了国内外弓网控制系统在被动控制、主动控制和半主动控制三个方向的研究现状,指出了半主动控制在弓网系统中研究的必要性,进而探索受电弓在半主动控制领域的控制方法及应用。(2)介绍了神经网络理论,重点介绍了神经网络的非线性逼近特点,紧接着阐述了一致最终有界理论、Brunowsky规范形式和高增益观测器理论,为全文的理论推导奠定了基础。(3)阐述了弓网系统的工作原理、受流质量评价体系、接触网和受电弓模型以及二者的耦合模型,建立了弓网系统的二元非线性耦合模型。该模型考虑了接触网和受电弓存在柔性的特点,较常用的弓网二元模型更接近实际情况。(4)针对一般形式的非线性系统模型,并且系统内部状态不可获得的情况,利用高增益观测器来估计系统状态,进一步使用神经网络逼近系统内的非线性环节,减少控制器的应用难度。引入自适应参数,完成了基于高增益观测器的神经网络自适应PID控制器的设计。通过选取合适的Lyapunov函数进行了稳定性证明。(5)引入误差状态变量,将弓网系统二元非线性模型转化为Brunowsky规范形式,构建基于高增益观测器的神经网络自适应PID控制器,进一步引入半主动控制算法,完成弓网系统的半主动控制。最后通过仿真验证了本文所设计的控制器的可行性和优越性。