高速列车自动运行控制(Automatic Train Operation,ATO)系统是进一步提升高速列车高效性、舒适性和节能的技术手段之一。列车自动停车控制是ATO的一项核心功能,其目标是保证列车在预定位置安全、精确停车,同时保证停车过程的乘客舒适度。随着站台屏蔽门在高速铁路系统中的应用,为保证乘客在装有屏蔽门的站台上下车不受影响,对高速列车的停车精度提出了明确的要求。本文针对高速列车停车过程的特点,研究了高速列车停车控制模型,并进一步研究了基于模型预测控制(Model Predictive Control,MPC)的高速列车精确停车方法。面向提高停车过程的舒适度和复杂环境下停车控制方法的控制效果,对列车停车控制算法进行相应改进,使得算法能够在避免控制输出频繁切换的前提下实现高精度的停车曲线跟踪,同时算法的性能仍能得到一定的保证。具体来讲,本文开展了以下研究工作:1.确定了高速列车精确停车控制模型,并提出了相应的辨识算法。基于实际运行数据,将高速列车停车过程描述为单质点时延模型。将基于Picard迭代的参数辨识方法扩展到时延系统中,该方法的收敛性由Banach不动点原理保证,在采集数据满足持续激励条件下,可以对列车制动过程进行有效辨识。2.针对高速列车停车过程特点,提出了基于MPC的高速列车精确停车控制算法。通过分析高速列车停车控制过程的机理,将停车控制过程凝练为约束条件下的速度跟踪控制问题。在外部阻力干扰已知的情况下,将MPC引入到列车停车控制问题中,设计了高速列车精确停车预测控制算法,并对算法的性能进行分析。3.为克服列车停车过程中复杂外部环境的干扰和提高舒适度,提出了改进的MPC精确停车控制方法。采用鲁棒模型预测控制(Robust Model Predictive Control,RMPC)方法以提高算法在复杂外部环境下的抗干扰能力。进一步引入自触发机制,提出了基于鲁棒自触发模型预测控制(Robust Self-Triggered Model Predictive Control,RSMPC)的停车控制算法,以抑制控制输出的频繁切换。理论分析结果保证了算法的性能。基于实际运行数据的仿真结果表明:相比于传统的控制方法,该方法能够有效减少控制输出的切换次数,且可以实现高速列车停车精度(±50cm)的要求。