地铁辅助电源及其监控系统的研究与实现

来源 :中南林业科技大学 | 被引量 : 0次 | 上传用户:hnjyli
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
地铁车辆上除为牵引电机供电的牵引变流系统外,也有为车辆上各种负载提供电能的辅助电源系统(APS)。辅助电源系统是整个地铁车辆系统的重要组成部分,又可分为交流电源系统(SIV)和直流电源系统(BCU)。交流电源系统(SIV)为车辆客室空调机组、空压机、交流照明、通风装置、电加热器等交流负载提供三相交流和单相交流电源;直流电源系统(BCU)为直流照明、车载各系统控制电路、车载信号与通信设备、电动车门以及蓄电池组等直流负载提供直流电源。辅助电源监控模块作为列车控制与管理系统(TCMS)的组成部分,其主要作用在于能够实时监控APS的工作状态,及时发现和诊断故障,极大方便对辅助电源设备维护和管理。辅助电源及监控模块工作的安全性、可靠性对车辆正常运营具有重要影响。本文首先对地铁辅助电源的逆变部分和整流部分的几种电路拓扑结构进行了比较,针对本文辅助电源的供电特点,选取了12脉冲加变压器隔离的逆变方案和三相全控整流的整流方案,确定了本文辅助电源的整体结构。并对该方案进行了仿真研究,结果表明,该方案具有谐波含量小等较好的输出特性,控制较为简单等优点。对SIV的闭环控制策略进行了研究,针对传统电压有效值PI闭环控制存在当负载切换或母线电压波动时输出电压波动大、谐波含量较高的问题,增加电压瞬时值内环和前馈控制环节。仿真实验表明带前馈补偿的双闭环PI控制使SIV输出电压有效值的波动比传统PI控制有明显减小;同时为使系统有更好的输出特性,在带前馈补偿的双闭环PI控制策略的基础上,增加模糊推理机对PI控制器参数进行自适应调节,仿真结果表明该控制策略极大提高了系统的稳定性和自适应能力。其次,参考韩国现代乐铁公司APS系统,设计了基于VME总线的7电路板辅助电源控制系统硬件结构。以最大限度地减少硬件数量、提高各控制模块的独立性和模块间通讯容错率为目标,实现电路结构的优化整合。进而,基于模块化思想对辅助电源监控软件进行了设计。监控软件分为三大模块:通信层、数据层和界面层。通信层采用MVB总线及协议实现与下位机监控单元的数据传输。数据层采用双缓存机制实现运行和故障记录等实时数据的缓存和磁盘数据文件的管理。界面层通过数据层接口获取所需数据,实现运行和故障记录数据的实时显示和回放,以及参数的上传和下载,并能以状态和曲线的形式显示以上各类数据。最后基于湘潭电机股份有限公司制造的地铁辅助电源实验平台,验证了本文提出的地铁辅助电源控制方案及监控系统,系统联调和测试表明实验样机和监控软件工作稳定,辅助电源输出波形质量好,监控软件满足实时性和有效性要求。
其他文献
企业应用集成(Enterprise Application Integration,简称EAI)是为了解决“信息孤岛”问题而提出的。传统的EAI主要有三种集成模型:表示集成、数据集成和商务流程集成。尽管这些
水下无人探测器系统处于一种复杂的水下环境当中,系统仿真试验具有很大的难度。环境的限制和资金的巨大耗费导致对水下无人探测器的建模、仿真、测试和训练复杂度增加,针对故障
迅速发展起来的无线网络使得人们可以更加方便快捷地通过其接入点连接到互联网,而不再受有线介质的困扰。但是,这种便携性给用户带来了“无限”服务的同时,也给网络带来了更多安
协议是网络的灵魂,随着互联网的飞速发展和各种新应用的不断出现,网络规模不断扩大,结构日趋复杂,这使得协议测试变得更为重要。协议工程的目的是减少协议开发过程中潜在的错误,提
蚁群算法(ACO)是一种模拟群体智能的算法,在解决基于离散空间的问题时表现出良好的性能。蚁群算法在数据挖掘中的应用还处于起步阶段,本文在研究前人研究成果的基础上,提出了Ant
本文对基于SVM的特征选择与集成学习的应用进行了研究。文章将SVM作为基学习器,在对已有的算法改进的基础上,提出了嵌入式特征选择EM-FS-1和EM-FS-2算法,结合集成学习技术和主成
随着计算机网络技术的发展,计算机网络和信息的安全问题也日益突出。无论是电子商务发展还是个人信息通信,相关信息数据及代码在Internet网上传输的安全性都需要用到加密和解密
随着网络和IT技术的发展,现代工业控制开始逐渐走向网络化,制造设备入网成为当前的热点。为了规范多厂商生产的设备之间的通信行为,使这些设备之间具有互操作性,国际标准化组
对现有三维模型进行编辑和造型,不仅是改善模型的重要手段,也是获取新模型的重要途径。三角网格模型是主流的三维模型表现形式之一。针对三角网格模型,本文着重研究三角网格
随着现有信息更多的以数字形式保存和处理,对信息内容安全的关注也越来越多。企业中的知识产权、财务数据和商业秘密等重要信息,面临的最大安全威胁是内部员工的信息窃取。企业