高速铁路是关系到国民经济、社会以及国家安全的重要发展战略。在我国高速铁路迅猛发展的时代背景下,人们对列车高效、准点、舒适的需求日益提升,实现精确跟踪控制已逐渐变成列车自动驾驶控制领域的热点发展方向。此外为减少高速铁路牵引网对公网负序的作用,电气化铁路一般设置有电分相区,电分相的存在会导致列车速度的下降,严重时会导致列车停滞于分相区形成安全事故。如何充分利用高速列车重复运行特征,在考虑过分相这一工程问题的同时,实现列车速度的精确跟踪控制,具有十分重要的理论与实际意义。首先简单描述了列车自动运行控制的发展历程,同时引入了本课题所选择的迭代学习控制（Iterative Learning Control,ILC）理论,阐述其基本原理以及研究概况。相比于基于模型的控制理论,ILC可以充分利用周期性系统的重复性特征,实现对系统历史信息和先验知识的学习功能。这一部分是后续进行控制方案设计和稳定性证明的理论依据。其次,对列车进行受力分析,将高速列车视作单质点模型,结合牛顿第二定律,构建高速列车时间域动力学模型。为了解决列车过分相给控制设计带来的矛盾,将电分相区考虑成空间域上输入饱和约束问题。列车在运行过程中受到随机外部扰动和参数不确定性的影响,引入参数自适应控制策略来减少其对控制性能带来的影响,实现更高精度的跟踪。加入迭代索引并利用空间域微分算子,将列车时间域模型转化为迭代学习框架下的空间域动力学模型。设计了自适应ILC控制器,由控制规律以及参数更新律两部分组成。控制律包括可以不断学习并改进速度跟踪性能的非线性反馈项,参数更新律能够重复的学习系统的非线性结构特征和未知的参数信息。基于复合能量函数（Composite Energy Function,CEF）理论,构造了含有Lyapunov函数项的复合能量函数,并分析了非增性和有界性,从而严格证明了被控系统的稳定性与误差的收敛性,并研究了影响收敛快慢的因素。最后,通过MATLAB平台对所提出的ILC方案进行仿真试验验证。以CRH2型高速列车作为仿真车型,考虑列车运行安全,针对电分相区位于平缓坡道和长大下坡两种情况展开仿真试验,结果表明本课题控制策略达到了对参考速度曲线的良好跟踪效果,跟踪性能沿着迭代域不断提升,进一步验证了被控系统的稳定性和控制方案的有效性。