中国高铁在世界交通运输领域取得了举世瞩目的成绩，已成为全球高速铁路发展最迅猛的国家之一。但是，在充分肯定我国高铁全方位赶超成就的同时，也应当看到，随着我国高速铁路运营里程和运营速度的不断提高，现有的高速动车组人工操纵控制模式难以改善动车组各项运行性能指标，因此，我国高铁迫切需要建设以安全、正点、舒适、节能为标志的智能化自动驾驶系统。高铁自动驾驶系统需要解决的首要问题是如何自动调整动车组控制力来完成高速动车组高速高密度的安全运行。因此，研究高速动车组运行动力学模型的建立并设计高效的运行控制策略对我国高铁技术创新能力的提高具有重要的现实意义。　　高速动车组是一个由若干车厢链接组成，运行在多个工况下，具有非线性、时变性和环境不确定性的动力分散式复杂系统，现有的机理模型难以有效描述其复杂运行过程。本文针对高速动车组运行的高度非线性，采用数据驱动建模方法建立起运行过程非线性 ANFIS模型，并据此设计相应的广义预测控制器对其运行速度进行控制；在此基础上，针对高速动车组运行环境的不确定性，提出一种离线建模与在线校正相结合的动车组 ANFIS建模与运行优化控制策略；接着考虑高速动车组运行过程需在多个工况下多次变化的运行特点，提出一种能有效描述动车组牵引、制动及惰行运行的多工况ANFIS模型，并据此设计稳定有效的速度控制器。最后，针对高速动车组动力分散式结构特点，为避免单质点建模控制的局限性，开展动车组运行过程多质点建模与同步跟踪控制方法研究。并通过采集动车组实际运行数据，分析动车组牵引/制动力特性曲线，采用对比实验来验证所提方法的有效性。具体研究内容如下：　　针对高速动车组运行在复杂环境下的非线性特性，采用数据驱动 ANFIS建模方法和广义预测控制算法开展动车组运行建模与速度控制研究。首先采用减法聚类方法对动车组运行过程数据进行分类，获得有效 ANFIS模糊规则数，然后利用最小二乘方法辨识规则后件参数，并运用神经网络算法对模糊模型进行参数优化，获得最优 ANFIS模型。据此，设计广义预测控制器来实现对动车组运行速度的自动控制。所提方法的有效性通过动车组实际运行数据得到了验证。　　高速动车组运行环境具有高度不确定性，为避免其运行过程离线建模与控制的局限性，在离线 ANFIS模型的基础上，设计一种模型在线校正策略并完成动车组运行优化控制。基于高速动车组牵引/制动力特性和系统运行数据，建立动车组运行过程离线ANFIS模型，并借助动车组实时运行数据采用卡尔曼滤波和BP梯度下降算法在线校正ANFIS模型。提出基于ANFIS模型的动车组运行速度控制方法，实现动车组运行优化控制。基于实际运行数据的对比仿真实验结果证明所提方法改善了动车组运行安全性和正点性。　　针对高速动车组运行过程需在牵引、制动及惰行工况中多次变换的运行特点，为有效描述这一运行特征，考虑动车组不同工况的受力差异性，提出一种新型多工况ANFIS模型。基于此模型，采用工况选择机制，设计相应有效的动车组预测控制方法对其进行高精度运行控制，并对所提运行控制方法的稳定性进行了分析证明。以 CRH380AL为对象的实验对比验证表明所设计的动车组多工况建模控制方法较全局建模控制具有一定的先进性。　　针对高速动车组由多个动车/拖车固定编组而成的动力分散式结构特征，为改善单质点动力学模型难以有效描述动车组这一运行特征的现状，开展动车组多质点建模与同步跟踪控制方法研究。考虑车厢之间的车钩力，建立了动车组运行过程多质点-ANFIS模型，提出基于多质点-ANFIS模型的动车组运行速度预测控制方法，给出各车厢牵引/制动力和运行速度同步跟踪控制策略，并分析证明了该控制系统的可行性和稳定性。基于CRH380A型动车组运行过程数据的对比实验结果验证了所提方法的有效性和实用性。　　为改善高速动车组各项运行性能，针对动车组的多个运行特点，本文做了以上动车组运行过程建模与控制研究，且均通过仿真实验验证了方法的有效性，为高速动车组的智能化自动控制提供了一定的技术支持。