高速列车进站停车是列车自动驾驶系统（Automatic train operation,ATO）的一个重要功能,该功能需要在保证乘客舒适性的同时实现精确的对标停车。针对高速列车自动驾驶系统的精确进站停车问题,本文重点分析高速列车司机在制动停车过程中的认知处理过程,提出了一种基于认知结构的对标停车控制算法。论文的主要工作以及研究成果如下:（1）构建了高速列车司机的认知过程模型。对高速列车司机进行了认知任务分析,得到了其信息感知、思维加工以及输出过程的认知任务特征,在此基础上,对其认知过程进行分析,构建了高速列车停车认知结构模型,该模型包含了高速列车司机在停车过程中的感知、记忆加工、思维决策以及输出过程模型。（2）设计了高速列车认知停车控制算法。基于上述认知过程模型,定义了各认知过程模型的知识组块和技能产生式,并通过分析认知结构的记忆提取和学习机制,设定了算法的认知和任务参数,从而实现了高速列车认知停车控制算法。（3）设计并实现了高速列车停车控制算法仿真测试平台。分析了仿真测试平台的设计需求,设计了其总体结构,完成了仿真测试平台的软件设计,最后实现的仿真测试平台能够模拟CR400AF型高速列车的运行特性并可视化列车的运行过程,并能对高速列车停车控制算法进行评估分析。论文最后对提出的高速列车认知停车控制算法进行了仿真分析,通过与PID控制算法的比较,分析了本文提出的算法在驾驶绩效和认知绩效方面的优势。结果表明,本文提出的算法在调整次数、冲击率等性能指标上更加优异,对不同的初始条件也有良好的适应性,算法与高速列车司机具有相似的驾驶特征,能有效实现类人的停车驾驶效果。