随着人口数量不断增长,人们对交通的需求量也持续增加。高速列车因其拥有安全、高速、载客量大等诸多优点,已经成为人们不可或缺的交通工具之一。列车控制方法的有效设计能够实现对列车运行速度的实时调整,并准确跟踪所设定的速度曲线,从而使高速列车在运行过程中具有实时性、稳定性和高效性的特点。但随着高速列车的运行速度不断提高,列车网络控制中的时延及列车运行过程中的阻力干扰等因素对列车运行控制的影响也越发突出,极大地降低了列车的运行效率。如何有效解决上述问题已经成为大量学者的研究重点。本文针对高速列车控制过程中所存在的问题,提出了以下方法。对于列车通信网络延时,搭建了基于TCN列车网络的时延测试平台。平台模拟实际运行环境,选用多功能车辆总线(MVB)进行信息传输,通过改变车辆控制单元(VCU)特征周期及端口数量大小,获取不同特性的时延数据。利用改进的PSO优化LSSVM方法对分组后的数据进行预测仿真,并与Elman预测方法及基本LSSVM预测方法进行对比,验证了本文所采用预测方法的有效性。在得到不同特性时延预测数据的基础上,针对列车运行过程中网络时延的影响和受到的各种阻力干扰,选取列车非线性系统作为被控对象,提出一种基于改进PSO优化RBF神经网络的滑模自适应鲁棒控制。在控制方法中使用双幂次指数趋近率减少趋近过程所需要的时间并削弱抖振,并通过MATLAB软件分情况进行在线仿真。最后通过与经典控制方法对比,验证了该方法具有更加优良的控制效果。