弓网系统作为电力机车电能传输的关键环节，其配合协同效果直接决定了受流质量与运行的可靠性。在高速运行条件下，受电弓沿接触线的滑动易引发弓网系统的耦合振动，进而影响接触稳定性，降低受流效率。对受电弓进行随网压力(WFCF)控制是解决该问题的有效途径。提出一种基于多智能体近端策略优化(MAPPO)算法，并结合长短期记忆(LSTM)神经网络的控制方法，用于实现对受电弓随网压力的动态控制。在训练过程中，所提出的算法通过多个智能体分别学习不同速度条件下的受电弓随网压力控制策略，并采用集中式训练、分布式执行(CTDE)的框架，实现对随网压力的精确调控。实验结果表明，该算法在降低随网压力波动和提升随网性能(CWFP)方面均表现出显著的改进效果。