作为实现我国铁路现代化的两大重要战略支点,重载运输和高速铁路分别在货运与客运方面蓬勃发展,是助力我国经济发展、实现工业现代化的两架马车。重载列车因牵引车辆数目庞大,导致其运行过程中编组内部车辆的受力情况,相较于动车组列车更为复杂,主要以车钩力的形式表现的车间作用力,其数值大小对列车能否实现安全运行产生直接影响,必须将其控制在一定范围内,防止出现车钩断裂、脱钩、脱轨等事故的发生。传统的重载列车驾驶,多采用司机人为操控模式,常因司机劳动水平差异,出现车钩冲击过大、列车晚点运行等问题。为更好的实现我国铁路货运“多拉快跑”的战略目标,实现在降低司机劳动强度的同时提升铁路货运量这一伟大跨越。研发适应我国货运需求的重载列车自动驾驶控制系统（Automatic Train Operation,ATO）,并将其应用在国内的繁忙干线上已迫在眉睫,成为现阶段技术攻关的重中之重。本文首先建立了重载列车的多质点纵向动力学模型,然后分别应用工业生产中已经被广泛使用的PI控制理论（Proportional Integral Controller,PI）与模型预测控制（Model Predictive Control,MPC）,设计重载列车的ATO控制器,实现列车跟踪既定的速度目标曲线,并分别用BP神经网络（Back Propagation Neural Network,BPNN）+PI控制理论与显式模型预测控制（Explicit MPC,EMPC）分别对其进行改进,最后采用MATLAB/SIMULINK软件进行仿真试验。主要内容如下:（1）在充分考虑重载列车运行过程中,编组内部车间作用力的基础上,分析其运行的机理特性,建立其状态空间方程。确定重载列车具体的编组情况,并选定列车、车辆的型号以及实际的路况信息,在状态空间模型的基础上进行控制器的设计。（2）设计适用于重载列车的PI控制器,实现列车行驶过程中的速度目标曲线跟踪。为进一步提高列车的运行性能,引入BP神经网络算法对其进行改进,设计了基于BPNN+PI控制算法的重载列车ATO系统。仿真试验表明,BPNN+PI控制器的控车效果更好,相对于传统的PI控制器,其各方面性能在一定程度上均得到很大的改善,更能满足实际的行车要求。（3）为更好的考虑重载列车运行过程中的约束条件,实现列车运行过程中对速度目标曲线跟踪的同时,可以达成多个性能指标。引入相对于PI与BPNN+PI控制算法,更加适用于重载列车这类带约束的、复杂大系统的MPC算法,设计了重载列车ATO控制器。为进一步提高控制效果的实时性,引入EMPC控制算法的控制理念,设计了基于EMPC的列车ATO系统。仿真试验表明,采用EMPC控制器的列车运行的更加平稳、最大车钩力变得更小、能耗更低。