城轨列车牵引逆变系统可靠性评估

通过分析牵引逆变系统关键器件的损伤机理和故障模式,并根据系统的逻辑关系,建立系统的可靠性模型,得出系统可靠性的表达式,并对比分析不同关键器件的累积损伤对系统可靠性的影响。该模型可为列车的可靠性评估及主动安全维修提供参考。

牵引逆变系统实时仿真模型的研究

研究车载牵引控制优化问题,针对克服机车牵引控制器车载测试存在的针对误差较大和不同步的弊端,提出设计实际控制器与虚拟被控对象相结合的牵引控制器测试模式。根据dSPACE实时仿真器建立了牵引逆变器和牵引电机的实时仿真模型,对仿真器的采样步长与控制器的事件步长不同步而导致的采样延迟,采用了一种补偿算法,有效消除了因采样延迟产生的仿真误差。对建立的牵引逆变系统实时仿真模型的正确性进行仿真。结果证明了补偿算法的有效性。实时仿真模型已应用于牵引控制器的研发与测试,取得了较好的效果。

基于灰色优化的地铁牵引逆变系统可靠性预测

针对地铁牵引逆变系统的可靠性预测问题,提出一种利用灰色理论优化BP神经网络的可靠性预测模型,充分发挥灰色理论需要数据少以及BP神经网络非线性拟合能力强的的特点,通过灰色理论构建出BP神经网络的拓扑结构并确定相关系数,采用BP神经网络对预测模型输出预测值的误差进行调整,并利用实际数据对改进前后的模型性能进行了对比。结果表明优化后的模型降低了数据处理带来的误差,预测精度明显提高,平均绝对百分比误差降低了约10.4%,对地铁牵引逆变系统的可靠性预测及制定维修维护策略具有重要的参考价值。

基于IPSO-BP的地铁牵引逆变系统可靠性预测

为了提高对地铁列车牵引逆变系统可靠性预测的准确性,提出了一种基于改进粒子群算法优化BP神经网络(IPSO-BP)的可靠性预测模型。引入平均相对误差指标作为可靠性预测模型的评价指标,通过收集到的实际数据对所构建的可靠性预测模型、BP神经网络可靠性预测模型及PSO-BP神经网络可靠性预测模型进行对比验证。仿真结果表明IPSO-BP神经网络可靠性预测模型平均相对误差比BP神经网络、PSO-BP神经网络可靠性预测模型平均相对误差分别降低了约17.5%和10%,具有较好的预测精度,明显地提高了地铁列车牵引逆变系统的可靠性预测的准确性。同时对制定预防性维修周期具有重要的参考价值。

地铁车辆牵引逆变器保护系统的运行研究

受经济发展影响，城市不断进步，城市化进程加快，致使城市交通拥堵问题日益凸显。在此背景下，地铁作为新型交通工具，得到城市发展部门的关注与重视，为有效解决城市交通问题提供保障。与此同时，地铁车辆牵引逆变器保护系统是地铁正常运行的保障，确保地铁运行的安全性。本文笔者将在介绍牵引逆变器保护系统基础上，简述地铁车辆牵引逆变器保护系统的保护项目与保护机理，探究牵引逆变器保护系统的复位方式，以供相关人士参考。

地铁牵引逆变功率模块IPM故障分析及处理

自深圳地铁三号线开通以来,牵引逆变功率模块IPM(IntelligentPowerModule)故障频发,故障率高达0.99件/百万公里,远高于同行业0.2件/百万公里。本文从IPM模块单品质量、牵引逆变器散热情况、牵引逆变器控制单元设计、外来谐波干扰等方面,分析了产生故障的原因,提出了相应的解决办法,并最终付诸实践,取得了比较好的效果。

磁集成地铁变压器漏抗三维有限元计算

地铁逆变牵引系统中平衡电抗器的存在对减少大功率逆变器体积、降低造价不利。为此,运用磁集成技术将平衡电抗器与变压器有机结合,构造出新型12脉波二重逆变牵引供电系统,实现利用集成磁件的等效电感取代平衡电感的设计思想。采用基于边单元的稳态非线性有限元法,建立地铁变压器的三维有限元模型,对各绕组间的等效电感进行分析计算。仿真结果与样机现场试验数据非常接近,验证了所提出的有限元计算方法的正确性和可行性。