城市轨道交通以其运输能力大、高效正点、节约能源等特点,在缓解城市交通压力方面起到重要作用,而先进的列车运行控制算法是确保列车安全运行和高效运营的重要技术手段。由于城市轨道交通运行环境的特殊性,列车在运行过程中受到线路条件、空气阻力、未知扰动等多方面因素的影响,列车动力学模型的非线性和外部环境的不确定性将会直接影响控制算法的跟踪控制效果。此外,为提高列车运行效率和轨道交通系统运营能力,多列车间的信息交互及协同控制已经成为热门研究对象,这对列车运行控制系统的核心控制方法提出了更高的功能需求。本文基于采样反馈控制,对列车自动驾驶跟踪控制算法和多列车协同控制算法展开如下研究:首先,研究基于采样反馈的列车自适应模糊反步控制方法。针对基本阻力戴维斯方程系数依赖经验值、无法实时调整的问题,构建基于模糊逻辑的列车非线性动力学模型。分析列车速度和位置数据的采样特性,设计采样观测器估计未知状态。基于反步法的设计思想,提出一种列车自适应模糊跟踪控制算法,实现列车目标位置和速度的精确跟踪。通过仿真验证采样观测器和控制算法的有效性。其次,研究不确定阻力下基于非线性增益的列车自适应动态面控制方法。针对基本阻力不确定以及附加阻力不可精确建模的情形,设计具有参数自学习能力的基本阻力自适应律,并利用径向基神经网络逼近附加阻力,补偿阻力偏差。以实现列车精确追踪目标位置和速度曲线为目标,提出一种基于非线性增益的列车自适应动态面控制算法,通过非线性增益提高控制器的鲁棒性和动态调节特性,利用动态面控制消除虚拟控制律微分迭代问题,简化控制器结构,降低计算复杂度。仿真结果表明算法具有较好的跟踪特性,且跟踪误差保持在允许范围内。最后,研究基于多车协同的自适应跟踪控制方法。针对车-车通信模式下列车间速度、位置信息直接交互的情形,分析多列车间的非线性耦合关系,提出一种基于采样反馈和非线性增益的多列车自适应协同控制算法,设计多列车的协同分布控制律,保证多列车闭环控制系统的所有信号是半全局一致最终有界的。仿真结果表明,算法可以实现多列车的动态追踪控制,达到安全、稳定、高效运行的控制目标。