重载铁路以其效率高、成本低以及运能大的特点成为国民经济中一种重要的运输方式,但在重载列车运行过程中,受重载列车重量大、编组长,线路坡度、线路限速以及重载列车在实施空气制动时随着列车管放风减压制动波沿着列车方向非线性传播并衰减,以及在实施缓解时列车管的充气呈非线性等因素的影响,使司机在驾驶重载列车时具有很大难度。如何考虑上述因素的影响,生成安全的重载列车驾驶曲线,是保证重载列车安全运行的一个重要的基础。本文将结合重载列车重量大、编组长、连续长大下坡区段以及空气制动带来的非线性等问题,研究生成安全驾驶曲线的方法,为司机安全驾驶重载列车提供技术保障。本文以BP神经网络为基本算法建立重载列车的非线性模型,在其基础上采用遗传算法进行优化,提升算法快速随机的全局搜索能力,同时建立重载列车运行模型,提出了一种基于遗传算法优化BP神经网络的重载列车驾驶曲线生成方法,并通过实际数据进行了仿真验证。具体研究内容如下：(1)综合考虑分析限速、连续下坡道线路和列车编组等条件,对线路进行合理划分,对数据进行降噪、归一化等处理。(2)通过实际重载列车运行数据,分别采用神经网络算法和其优化算法,对重载列车制动运行过程进行建模,设计获得重载列车制动参数。(3)根据制动参数、重载列车特性以及运行要求,在约束条件下计算列车的运行参数。(4) 以朔黄线重载方向实际数据为基础,分析研究连续长大下坡道运行场景,采用MATLAB工具,分别运用BP神经网络及其优化算法进行仿真,获得重载列车驾驶曲线,并将仿真结果与实际运行曲线进行对比。通过实际驾驶曲线和仿真驾驶曲线数据比较可知,基于本文所提出算法获得的重载列车驾驶曲线,是能够保证列车运行安全的,结果是有效的。