城市轨道交通以其运输量大、全天候、安全性高等特点,成为缓解城市交通拥堵、提高交通安全水平的重要方式。但是轨道列车运行耗能巨大,其中牵引能耗占大部分,所以降低城轨列车的牵引耗能已经成为维持城市轨道交通可持续发展亟待解决的重要问题之一,对列车的运行速度曲线进行节能优化具有实际意义。整个城轨系统比较复杂,列车运行过程中的影响因素很多,传统的优化算法已无法处理复杂且包含大量约束因素的寻优问题。而进化算法是一种有着高鲁棒性、广泛适应性的成熟的全局优化算法,能够有效地解决传统优化算法无法处理的复杂的寻优问题。ATO系统主要功能是实现列车的自动驾驶,提高列车的运行效率,节省列车的运行能耗。对于ATO系统来说,最重要的就是能够有效准确地跟踪列车的最佳运行速度曲线,所以合理有效的跟踪控制算法可使列车实现良好的自动运行。本文的主要研究内容如下:(1)结合列车单质点动力学模型和多质点动力学模型各自优点研究了一种多质点单位移动力学模型,该模型可更加真实地反映列车运行状态及车厢间的相互影响而且结构简单易分析;设计了基于固定惰行搜索区间的节能操纵策略,在固定区间搜索惰行切换点,使得算法优化搜索更优针对性;综合考虑多项约束指标并建立了基于准时性和舒适度双惩罚机制的节能优化模型。(2)对标准差分进化算法进行改进,提出了一种基于改进变异策略的协同差分进化算法(Cooperative Differential Evolution Algorithm Based on Improved Mutation Strategy,简称IMSCDE)用于对列车的节能优化模型进行求解,得到最优运行速度曲线。该算法在种群结构、变异策略和控制参数选择方面均有改进,相对于标准DE算法增强种群个体多样性,提高了算法的全局搜索能力和收敛速度。(3)根据城轨列车系统的非线性、不确定性以及外界干扰等特性,采用鲁棒自适应控制理论设计了结构简单、运算量小、具有自适应能力的跟踪控制器并采用Lyapunov稳定性理论证明了跟踪控制器的渐进稳定性。本文最后基北京地铁亦庄线的实际运行线路数据,利用MATLAB软件对列车运行速度曲线的优化过程和跟踪控制器的跟踪过程进行了仿真。仿真结果验证了IMSCDE算法及跟踪控制器分别在运行节能和跟踪控制方面的有效性。