1.一种列车控制级位的自适应调控方法，其特征在于，包括以下步骤：步骤1：基于列车理想模型构建用于MPC计算的预测模型，并将相对距离制动模式作为约束加入到MPC中；基于列车理想模型构建用于MRAC计算的参考模型，并在MRAC中建立自适应律模块，所述MPC为模型预测控制，所述MRAC表示模型参考自适应控制；

步骤2：获取列车参考速度曲线以及上一次列车校正位置状态；对列车参考速度曲线、上一次列车校正位置状态和预测模型进行滚动优化，得到最优控制序列，并输出最优控制序列，将输出的最优控制序列作为样本k；

步骤3：根据最优控制序列进行三次样条插值，输出进行样条插值后得到的插值控制序列；

步骤4：根据插值控制序列、上一时刻的列车实际输出的信号和所述自适应律模块的输出信息，向列车发送输入控制信号；

步骤5：列车获取到控制信号后，计算列车下一时刻运行状态，得到下一时刻的列车实际输出的信号，并输出列车实际输出的信号；

步骤6：自适应律模块根据列车实际输出的信号与所述参考模型之间的反馈误差来修改基本运行阻力系数；

步骤7：判断MRAC是否停止，若停止，则执行步骤8，若未停止则转到步骤4；

步骤8：反馈检查模块通过预测误差对预测模型进行校正，所述预测误差为列车实际的输出和预测模型的输出之间的误差；

步骤9：判断列车是否停止，若列车停止运行，则结束运行；若列车未停止运行，则执行步骤2。

2.根据权利要求1所述的一种列车控制级位的自适应调控方法，其特征在于，所述步骤

2包括以下步骤：

步骤2.1：构建滚动优化的MILP模型，预测序列的目标函数为：式中：ρ为权重系数； 表示第i辆车在滚动优化模块输出的最优控制序列样本k时预测的第j步的参考速度； 表示第i辆车在滚动优化模块输出的最优控制序列样本k时预测的第j步的参考位置；vi(k|j)表示第i辆车在滚动优化模块输出的最优控制序列样本k时实际运行的第j步的实际速度；xi(k|j)表示第i辆车在滚动优化模块输出的最优控制序列样本k中实际运行的第j步的实际位置；K表示运行列车总数量；N表示最优控制序列预测的列车离散速度数量；R用于区分参考参数和实际参数；

步骤2.2：引入辅助变量，构建标准MIPL模型；线性化目标函数和不等式表示为：式中：其中ρ为权重系数； 为辅助变量，表示第i辆车在滚动优化模块输出的最优控制序列样本k时预测的第j步的参考速度和列车实际速度的绝对值 为辅助变量，表示第i辆车在滚动优化模块输出的最优控制序列样本k时预测的第j步的参考位置和列车实际位置的绝对值；

步骤2.3：将标准MILP模型采用求解器求解，得到最优控制序列。

3.根据权利要求1所述的一种列车控制级位的自适应调控方法，其特征在于，所述步骤

3包括以下步骤：

步骤3.1：将通过滚动优化输出的最优控制序列作为样本k，在样本k中选取离散样本数量为L的区段，并将离散样本数量为L的区段插值为一个离散样本数量为H的插值控制序列中；所述三次样条插值的离散样本数量H依赖于MPC的离散时间步骤Δt1和MRAC的离散时间步骤Δt2，具体计算公式如下：

步骤3.2：通过步骤3.1进行三次样条插值后，得到插值控制信号，插值控制信号被逐个实时地发送到控制器。

4.根据权利要求1所述的一种列车控制级位的自适应调控方法，其特征在于，所述步骤

6包括以下步骤：

步骤6.1：定义基本运行阻力补偿函数：式中：ai、bi和ci为第i辆列车运行中实际的基本阻力系数，均为常数；ai′、bi′以及ci′是第i辆列车运行中的估计基本阻力系数； 以及 分别为基本阻力系数ai、bi和ci的补偿函数；

步骤6.2：设置自适应控制律，并计算修正基本阻力系数，自适应控制律具体如下：式中：ui为列车所受合力； 为速度的导数，即加速度，M表示加速度的来源是MPC，其中g为重力加速度，取值为9.8N/kg；vi为第i辆列车的运行速度；mi为列车质量；di为线路附加阻力；ζi为扰动；

步骤6.3：输出修正基本运行阻力系数。

5.根据权利要求1所述的一种列车控制级位的自适应调控方法，其特征在于，步骤7中所述的判断MRAC是否停止的具体方法如下所述：MRAC按照步长为△t2为仿真步长，对进行三次样条插值后的样本k进行仿真，直至将样本k完成仿真，则视为MRAC停止；若未完成则视为MRAC未停止。

6.根据权利要求1所述的一种列车控制级位的自适应调控方法，其特征在于，所述步骤

9中通过获取列车自动监控系统中监控的列车速度来判断列车是否停止。

7.根据权利要求1所述的一种列车控制级位的自适应调控方法，其特征在于，所述自适应律模块基于类李雅普诺夫引理和I&I理论进行设计。