城市轨道交通的快速发展也伴随着日益严峻的能耗问题,而列车的牵引能耗在系统能耗中所占比例较大。通过适当的调整列车运行控制策略,能够有效降低列车的牵引能耗。基于列车自动运行控制系统的控制结构,以减少牵引能耗为目标,通过设计最优运行曲线和最优跟踪控制器能够有效解决该问题。本文首先建立了城市轨道交通下列车节能运行控制模型,采用极大值原理分析了列车最优运行曲线的理论性质,涉及列车五种最优运行工况和工况切换规则,同时就以往较少涉及的非陡坡限速场景下的最优运行曲线唯一性问题进行了研究,给出了三种典型场景下的定性结论,有助于得出最优运行曲线并仿真作了说明,上述理论结果能够用作后续优化算法的设计以及仿真结果的比较。为了求解最优运行曲线问题,首先对传统的节能优化模型做了修改,理论上给出了该修改的等价性和必要性。在此基础上,分析了陡坡上的最优工况切换点求解问题,分别就陡上坡、陡下坡的场景做了说明,给出了动态规划算法,并就该算法与局部能量最小化原则之间的关系做了分析,仿真表明所提出算法能够达到理论最优解。在一般场景下,基于近似动态规划算法设计了三种值函数近似方法,包括rollout算法、插值算法和神经网络算法,并就值函数的更新方法做了说明,仿真表明插值算法能够在较短时间内近似计算出理论最优解,rollout算法计算时间短、性能优于基础策略,神经网络算法计算时间较长。为了求解列车的最优跟踪问题,首先将跟踪问题转化为调节问题,并设计了考虑跟踪误差和能耗的性能指标,并给出了值迭代算法和策略迭代算法的计算过程和理论性质,为了实现上述方法,设计了基于梯度下降和压缩映射的动作函数更新算法,以及基于最小二乘法的值函数更新方法,由此形成四种求解算法,并就实际存在的控制受限问题,通过引入非二次泛函得以解决,并构建了对应的更新方法。仿真结果表明所提出的四种算法均能达到相同的最优解,并且性能指标显著优于最初采用的PID控制器及反馈线性化控制器的性能指标,在跟踪速度曲线时显示了较低的跟踪能耗和跟踪误差,同时所提出的非二次泛函方法能够有效解决控制受限问题。