重载铁路在大宗货物的输送上具有效率高、成本低的显著优势。但由于重载列车重量增大,编组辆数众多,且我国重载列车运行的线路条件复杂,导致列车操纵难度大,司机人工驾驶劳动强度高。因此,研究重载列车辅助驾驶策略,对减轻司机的劳动强度,提高重载列车操控的安全性具有重要意义。本文主要针对重载列车在不同工况下的驾驶策略进行研究,通过列车的数学模型和智能算法,对列车在不同工况下提供相应的驾驶建议;考虑到重载列车牵引和电制动特性以及空气制动特性的差异,分别对牵引和电制动的驾驶策略以及空气制动的驾驶策略进行研究。针对牵引和电制动过程,在列车的数学模型方面,首先根据重载列车的牵引和电制动特性建立约束集,并对实际的数据进行预处理操作,如重采样和插值处理等,筛选出满足约束要求的数据;然后采用基于最小二乘的辨识方法,辨识列车的牵引和电制动模型的传递函数;最后计算相应的补偿坡度,并对辨识的模型进行多方面的分析,验证了列车模型传递函数的有效性。在智能算法方面,结合辨识出的传递函数设计了模糊自适应PID算法,综合考虑车身加权坡度等影响因素,对牵引和电制动下的驾驶策略进行仿真研究。针对空气制动过程,考虑到空气制动的滞后性和复杂性,采用智能算法对输入输出数据进行分析,首先对实验数据进行预处理操作,如数据归一化和组建训练标签等;然后建立BP神经网络模型和混淆矩阵评价指标,预测空气制动实施时机、缓解时机和减压量,并对相邻空气制动时间间隔进行计算。本文结合朔黄铁路线路数据和列车参数,分别对不同场景下的牵引和电制动工况以及空气制动工况下的驾驶策略进行分析。仿真结果表明,模糊自适应PID算法计算的辅助驾驶策略跟踪的误差和均方差值较小,在牵引和电制动下有良好的跟踪性能;训练后的BP神经网络模型预测的混淆矩阵相关参数都在0.97以上,预测的制动缓解位置和实际制动缓解误差较小,对空气制动有着较好的预测效果。图49幅,表21个,参考文献61篇。