1.一种基于迭代学习的重载列车运行控制方法，其特征在于，包括以下步骤：S1：设定列车的理想运行速度和理想规划位置；

S2：获取列车的实际运行速度和实际运行位置，并根据列车的理想运行速度和理想规划位置以及列车的实际运行速度和实际运行位置，确定列车的速度状态误差、位置状态误差和车钩间隙误差；

S3：获取列车的历史级位数据，并根据历史级位数据确定控制级位；

S4：构建迭代控制模型，并利用迭代控制模型对控制级位进行优化，得到最优控制级位；

S5：利用最优控制级位控制列车，更新列车的实际运行速度和实际运行位置，判断列车是否到达终点，若是则结束重载列车运行控制，否则返回步骤S2，直至列车到达终点；

所述步骤S2中，车厢i的速度状态误差 位置状态误差 和车钩间隙误差的计算公式分别为：

其中，vr(t)为首车厢在t时刻的目标速度，vi(t)为车厢i在t时刻的实际速度，sr(t)为首车厢在t时刻的目标位置；si(t)为车厢i在t时刻的实际位置，si+1(t)为车厢i+1在t时刻的实际位置；li为所有列车的缓冲器伸缩状态都为零时车厢i与首车厢的距离，li+1为所有列车的缓冲器伸缩状态都为零时车厢i+1与首车厢的距离， 为车厢i+1的位置状态误差。

2.根据权利要求1所述的基于迭代学习的重载列车运行控制方法，其特征在于，所述步骤S4包括以下子步骤：S41：构建误差状态空间表达式；

S42：将误差状态空间表达式离散化，并构建固定时域的目标函数；

S43：计算固定时域的目标函数极小最优解；

S44：根据固定时域的目标函数极小最优解，构建迭代控制模型；

S45：利用迭代控制模型对控制级位进行优化，得到最优控制级位。

3.根据权利要求2所述的基于迭代学习的重载列车运行控制方法，其特征在于，所述步骤S41中，误差状态空间表达式为：Y(t)＝Ce(t)

其中， 表示速度与位置的导数，Y(t)表示输出状态，A表示第一系数矩阵，B表示第二系数矩阵，C表示第三系数矩阵，e(t)表示误差状态向量，Δu(t)表示误差控制向量，w′(t)表示过程噪声。

4.根据权利要求2所述的基于迭代学习的重载列车运行控制方法，其特征在于，所述步骤S42中，固定时域的目标函数J的表达式为：其中，T表示预测时间，N表示车辆数，kv表示速度权重，ks表示位置权重，kx表示车距权重，表示车厢i的速度差， 表示车厢i的位置状态误差， 表示车厢i+1的位置状态误差，Δu(j)表示j时刻力的变化，R表示控制力变化系数。

5.根据权利要求2所述的基于迭代学习的重载列车运行控制方法，其特征在于，所述步骤S43中，固定时域的目标函数极小最优解Δu的计算公式为：T ‑1 T

Δu＝‑(R+BPB) BPAe(k)＝‑Ke(k)

其中，A表示第一系数矩阵，B表示第二系数矩阵，K表示状态反馈增益矩阵，R表示控制力变化系数，P表示对称正定常数矩阵，e(k)表示误差状态向量。

6.根据权利要求2所述的基于迭代学习的重载列车运行控制方法，其特征在于，所述步骤S44中，迭代控制模型uk(t)的表达式为：其中， 表示模型预测控制增量， 表示迭代学习率，A表示第一系数矩阵，B表示第二系数矩阵，km表示模型预测控制增益权重，R表示控制力变化系数，P表示对称正定常数矩阵，ek(t)表示第k次迭代中第t时刻的误差状态向量， 表示上一次的迭代学习率，α表示当前次迭代误差和上一次迭代误差权重，Γ表示学习增益， 表示第k‑1次迭代中第t时刻的误差状态向量， 表示第k次迭代中第t时刻的误差状态向量的导数，K表示状态反馈增益矩阵。