高速列车作为一种大跨度、全天候的交通运输工具,因各种需求难免会穿越大风区等气候条件极端复杂、变化频繁的地区,使得列车表面的气动载荷以及车辆动力学特性因环境因素而产生较大的变化,会极大地威胁到高速列车的运行安全稳定性,甚至会导致高速列车在大风作用下发生脱轨等严重事故。保障高速列车安全稳定地运行一直是我国高速铁路快速发展的首要前提条件,而列车自动驾驶（Automatic Train Operation,ATO）是我国铁路信息化、智能化发展的未来重要趋势之一。如何通过现有的控制技术及其改进方法,构建在给定约束条件下满足优化目标要求的自动驾驶控制策略,使高速列车实现更安全、更可靠的自动驾驶控制具有重大的研究意义。本文以高速列车自动驾驶系统为研究对象,在大风强干扰工况下实现列车高精度的速度曲线跟踪,以列车牵引/制动系统及列车动力学特性等为基础建立列车动力学模型,采用反步法、自适应控制算法以及鲁棒控制算法相结合的混合控制方法,设计高速列车自动驾驶控制策略,系统地对不同风速下高速列车对给定安全运行速度曲线的跟踪问题进行研究。为解决高速列车自动驾驶控制系统参数以及阻力系数复杂并具有的时变形问题,基于虚拟参数的概念,利用反馈机制自适应赋予权重,通过构建含虚拟参数估计值的Lyapunov函数,建立安全稳定的鲁棒自适应控制算法,实现不依赖精确系统参数、阻力系数信息的牵引/制动控制。为了验证本文所提的集成控制算法对高速列车的适用性以及有效性,将基于控制策略设计的控制器在Matlab平台上进行仿真实验,对自适应反步控制算法与结合了鲁棒控制的反步自适应鲁棒控制算法的控制器仿真效果进行对比验证。实验结果证明反步自适应控制算法在无干扰工况下对高速列车目标速度曲线进行跟踪具有较高的精确性,但是在存在干扰工况时,该算法对目标曲线的跟踪精度较低,存在较大的误差。而加入鲁棒控制算法后,能够将大风的反馈信号用控制参数的形式输入系统,实验结果表明,本文提出的集成控制策略能够有效跟随大风工况下列车速度的变化趋势,对目标速度曲线的跟踪精度较高,抗干扰能力较强,保证列车安全平稳地运行。