梁新荣，肖 龙，王雪奇，杨世武，董海荣

1.五邑大学 交通工程系，广东 江门529020

2.北京交通大学 电子信息工程学院，北京100044

近年来，我国经济持续增长，轨道交通建设日新月异，高速铁路研发取得了世界瞩目的成就，高速铁路线路里程和客运量都居全球首位。与此同时，列车驾驶也日益受到人们的关注。人工驾驶受司机个人因素影响大，存在其固有的缺陷，因此学者们非常重视列车自动驾驶（Automatic Train Operation，ATO）的研究，将人工智能和智能控制等先进技术应用到ATO中。列车速度与位置控制是ATO 的研究重点之一，采用的策略是建立合适的列车运行模型，在此基础上，再选择恰当的控制技术使列车按预定的轨迹行驶。

对高速列车进行受力分析并对其进行建模是研究的首要环节，根据牛顿的力学原理可得到列车加速度与其受力之间的动态方程，然而由于列车车厢之间存在非线性耦合关系，在实际建模过程中存在变量多、约束多等问题，列车精确建模具有一定的难度。近年来，研究人员尝试多种建模方法并对列车模型进行简化。从现有的文献来看，列车动态模型主要包括传递函数模型[1-5]、单质点模型[6-14]和多质点模型[15-16]。其中单质点模型把列车看作一个刚体，建模过程相对简单，应用也比较多。多质点模型考虑了车厢之间的耦合和相互作用力，建模过程复杂，目前这方面的研究很少。多质点模型受力作用过于复杂，因此研究的重点在于如何简化多质点模型。另一方面，研究人员探讨了多种ATO算法，其中智能控制算法和先进的优化算法是ATO研究的重点。……