近年来,我国轨道交通事业一路高歌猛进,捷报频传。主要体现在客货运输总量大幅增长、铁路建设如火如荼、自主创新能力显著增强、铁路经济带飞速发展。同时,伴随人工智能、大数据、5G等新兴技术的崛起,人们期待通过铁路技术创新进一步保障铁路运营安全、提高铁路运行效率、促进铁路节能减排,最终实现经济与社会的协同发展。列车节能运行优化与运行控制技术是保障铁路运营安全、提高铁路运行效率,推动铁路节能减排的关键要素。鉴于此,本文在总结梳理了列车能耗模型、节能优化方法和速度跟踪控制算法的基础上,针对列车目标速度曲线优化和速度跟踪控制算法设计,所开展的主要研究工作如下:(1)本文在优化完善列车动力学模型和牵引计算模型的基础上,围绕目标速度曲线的优化,分别基于自适应迭代算法、启发式遗传算法与混合整数线性规划方法进行了仿真实验和对比分析。(2)在已有研究成果和研究经验基础之上,本文为了弥补已有列车控制算法结构设计复杂、控制能量损耗高、复杂线路区间跟踪精度较低、参数和对象模型适应性较差、无法根本解决时滞问题的缺陷,论文提出了基于非线性自抗扰控制器(Nonlinear Active Disturbance Rejection Control,NLADRC)的列车速度跟踪控制系统仿真模型,旨在利用NLADRC跟踪精度高、处理不确定性范围广、抗干扰能力强、能量损耗小、模型依赖性低的性能优势,解决列车非线性、大时滞、多干扰、难建模、强耦合的速度跟踪控制问题。首先,建立列车的时滞控制模型,并依据列车时滞控制模型构建具有适应性的列车速度跟踪控制系统仿真模型;其次,构建基于NLADRC控制算法的速度跟踪控制器,并采用融合优秀经验的既有改进蜂群算法解决NLADRC参数众多、矛盾性强、范围广、内部规律复杂的问题;再次,针对传统自抗扰控制器处理延时干扰能力有限的问题,采用改进传统NLESO(Nonlinear Extended State Observer,NLESO)的方式,解决列车时滞(Time-Delay)控制问题;最后,以货运列车作为应用对象,进行了NLADRC控制效果的仿真验证,为了使NLADRC和非线性PID(Nonlinear PID,NPID)控制器、多模态模糊PID控制器(Multimodal Fuzzy PID,MM-FPID)公平比较,利用列车速度跟踪控制系统仿真模型具有适应不同控制器和列车控制模型的特点,在设置相同的仿真优化条件下,各控制器最佳参数均采用智能算法优化得到,对比验证了各控制器的控制效果。针对上述研究内容,通过仿真实验与对比分析,可以得出以下结论:首先,诸如自适应迭代算法和混合整数线性规划算法一类的轻量级优化方法,求解速度较快,适用于在线优化。可以用于构建列车辅助驾驶软件,给司机提供实时驾驶建议或者可以根据列车运行要求,实时更新目标速度曲线;其次,诸如遗传算法一类的智能算法往往不一而足,针对具体问题,需要调整参数、改进学习策略、混合算法以取长补短。适用于解决复杂、大规模的多目标协同优化问题;最后,采用文中构建的基于NLADRC的列车速度跟踪控制系统仿真模型不仅具有控制结构相对简单、控制能量损耗低、模型依赖性低的特点,而且基于智能算法优化后的改进NLADRC控制算法对解决列车的大滞后、难建模问题十分有效,能够在不同系统延时与复杂干扰的情况下,实现对目标速度数据的精确跟踪。相较于NPID控制算法和MM-FPID控制算法,其跟踪精度高、抗干扰能力强,鲁棒性更好。本文对于列车智能运行控制和效能提升领域的研究具有重要学术意义和实际应用价值。