高速铁路作为一种快速、舒适、准时且安全的出行工具,在交通领域发挥着重要的作用。作为最受大众欢迎的运输方式,高速铁路的安全性是其所有相关技术发展的基本原则。而高铁系统的电磁兼容性能是与高铁安全性息息相关的核心技术之一,所以完善高铁电磁兼容研究及相关电磁兼容问题的优化解决是我国高速铁路不断发展创新过程中存在的一类不容忽视的重要课题。而完善高铁电磁兼容研究的前提是具备有效的电磁兼容研究方法和分析手段,这样才能不断提高电磁兼容问题的研究效率,继而为提升高铁系统的电磁兼容性能提供条件。随着高铁系统电磁环境的日益复杂,传统电磁兼容研究方法面临的局限性也逐渐凸显,所以有必要提出新的更有效的研究方法和手段实现对高铁电磁兼容研究的进一步完善和优化。本文以高铁系统中几类典型的车载天线电磁耦合问题为例,在总结单纯基于传统电磁兼容分析方法所面临的研究难点的基础上,引入了基于人工智能的优化策略。通过对人工智能中相关机器学习算法的改进与应用,提出了分析弓网离线骚扰在车顶天线端口产生的电磁耦合的有效方法;并在此基础上,给出了通过优化车顶天线安装位置减小天线端口电磁耦合的抑制措施;另外,还分析了车载天线电磁耦合对车载设备的影响,并建立了车载设备的电磁敏感性预测模型;最后,提出了减小车载天线电磁耦合对列车定位系统的影响的系统级电磁兼容优化思路。这实现了对已有高铁电磁兼容研究的优化和完善。本文的主要工作及创新点总结如下:（1）针对弓网离线骚扰在车顶天线端口产生的电磁耦合的求解问题,提出了基于模块化神经网络的耦合系数预测模型,解决了单纯利用电磁仿真方法所面临的多次重复仿真问题,实现了对耦合系数的快速精确求解,提升了研究效率。这为精确分析弓网离线骚扰对车顶天线的影响提供了条件,为有关车顶天线端口的电磁耦合研究提供了有效的分析方法。（2）为降低弓网离线骚扰在车顶天线端口产生的电磁耦合,对天线在车顶的安装位置进行了优化分析,提出了基于多模块化神经网络的耦合系数预测模型,实现了对不同安装位置对应的耦合系数的快速预测。并通过对比分析找到使得弓网离线骚扰与车顶天线间耦合系数较小的安装位置,从而通过优化车顶天线的安装位置降低弓网离线骚扰的电磁耦合影响。这不仅解决了天线优化分布中的重复仿真问题,而且通过降低天线端口的电磁耦合为后端连接的车载设备的正常工作提供了保障。（3）对于车载天线的电磁耦合对后端连接的车载设备的影响问题,为保证设备的正常工作,对车载设备的电磁敏感性进行了研究。本文建立的基于人工神经网络电磁敏感性预测模型在不需探测设备内部参数的前提下,就可实现对电磁敏感性参数的快速预测,不仅保护了生产厂商的隐私权,而且解决了多次重复测试的问题。这为高速列车车载设备的电磁敏感性研究提供了新的分析手段,为研究减小车载天线电磁耦合影响的电磁防护技术打下基础。（4）为减小车载天线电磁耦合对列车组合定位系统的影响,通过建立基于深度学习的轨旁标志检测模型实现了对基于轨旁标志的列车辅助定位系统的优化。而这类辅助定位系统不包含车载天线这样的空中接口,即使处于复杂电磁环境中也不易受到电磁干扰。所以通过对这种具有较好电磁兼容性能的辅助定位系统的优化,可以提升列车定位系统在复杂电磁环境中的工作能力,即降低车载天线的电磁耦合对定位结果的影响。这间接优化了定位系统的电磁兼容性能,为系统级电磁兼容优化提供了新的可行思路。本文提出的基于人工智能的电磁兼容研究方法都具有一定的普适性,能够实现对相关电磁兼容问题的优化解决。这为高铁系统的电磁兼容研究提供了新的分析方法和思路,实现了对传统电磁兼容研究方法的完善,对复杂电磁环境下的高铁系统的安全、可靠运营具有重要的理论价值和现实意义。