何之煜，徐 宁

(中国铁道科学研究院集团有限公司通信信号研究所，北京100081)

0 引言

高速列车自动驾驶系统(Automatic Train Operation,ATO)是未来智能高速铁路发展的关键技术之一[1]，然而，高速列车运行速度快，运行环境复杂多变，系统受内部和外部未知扰动影响，呈现出快时变、强非线性的特征，控制器的设计仍然是一个难点.

列车自动驾驶研究已取得大量成果，现有控制方法多以反馈思想构造控制律，通过列车运行状态信息的偏差产生控制输入，忽略了高速列车运行过程中的一个重要的特征——高度重复性，具体体现在运行环境的重复性，运行计划的重复性，运行目标的重复性和列车动力学模型的重复性.如何有效利用这些重复性信息处理时变、非线性的不确定系统的跟踪控制问题，是目前亟待解决的问题.

迭代学习控制(Iterative Learning Control,ILC)是解决重复运动系统的跟踪控制问题的最有效方法之一，基本原理是通过前一次或几次的跟踪误差来修正当前迭代次的控制输入，更精确地跟踪期望运行轨迹.在列车自动运行控制领域：文献[2]首次将迭代学习控制引入列车自动驾驶系统控制问题的研究中；文献[3]将终端迭代学习控制用于列车进站停车的控制中，根据前次迭代终端停车误差更新当前迭代次的控制输入，最终跟踪误差收敛到一个很小的邻域内；文献[4]设计了反馈—前馈迭代学习控制器，利用反馈控制在时域对跟踪误差的修正，提高了跟踪的收敛速度和精……