摘要：针对高速列车运行过程中具有的强非线性、运行参数时变等问题设计列车自动驾驶的非线性广义预测控制方法。首先采用双线性变换将列车动力学模型离散化为线线模型,将非线性空气阻力描述为未建模动态项,线性模型和未建模动态项组合成集成模型;根据高速列车线路实际运行数据,采用递推辨识算法更新模型中因列车运行环境变化而时变的运行参数,利用极限学习机神经网络估计未建模动态项,建立列车运行过程模型。基于高速列车集成模型,设计以运行速度跟踪为主要控制目标的列车非线性广义预测控制方法。非线性广义预测控制器中,反馈控制器用来控制输出跟踪参考输入,补偿器用来消除未建模动态项对闭环系统的影响,保证列车的速度跟踪精度。仿真结果表明集成模型输出与实际输出的均方根误差为0.1653 km/h,小于线性模型的均方根误差1.454 km/h;并通过与多模型广义预测控制方法的比较显示本文的控制方法跟踪误差更小;所提出算法较BP神经网络方法更加快速。