高速鐵路電力牽引系統(tǒng)的安全性預測與控制項目摘要

研究表明，供電網的極端工況、系統(tǒng)諧波以及制動控制性能對電力牽引系統(tǒng)及制動安全產生影響，電力牽引系統(tǒng)的健康度是一個可預測的變化過程，但對高速鐵路電力牽引系統(tǒng)中的復雜供電條件、子系統(tǒng)間的相互作用、制動控制等因素的單獨作用及耦合并發(fā)作用對電力牽引系統(tǒng)及制動安全影響機理缺乏認識。本項目通過研究電力牽引系統(tǒng)亞安全態(tài)與故障態(tài)之間的發(fā)展規(guī)律，探索系統(tǒng)損傷的作用機理，提出電力牽引系統(tǒng)故障預警理論，建立系統(tǒng)健康度評估方法；研究高速鐵路供電網壓畸變與閃變、分相過電壓與過電流以及系統(tǒng)諧波對電力牽引系統(tǒng)運行的作用機理，提高惡劣工況下系統(tǒng)的安全控制性能；采用在線自適應電力牽引系統(tǒng)最優(yōu)制動控制方法，增強制動控制系統(tǒng)的魯棒性，提高高速列車制動安全性能。通過上述研究提出電力牽引系統(tǒng)安全性預測與控制理論，為高速鐵路列車的設計制造、安全運營、維護維修提供理論和技術支撐。

針對高鐵電力牽引系統(tǒng)，通過測試和分析CRH5、CRH380BL等車型出現(xiàn)的網壓諧振、IGBT損壞、牽引丟失等問題，我們發(fā)現(xiàn)：供電網的極端工況、系統(tǒng)諧波以及制動控制性能對電力牽引系統(tǒng)及制動安全產生影響，項目針對高速鐵路電力牽引系統(tǒng)中的復雜供電條件、子系統(tǒng)間的相互作用、制動控制等因素的單獨作用及耦合并發(fā)作用對電力牽引系統(tǒng)及制動安全影響機理等問題，展開安全性預測與控制研究。 結合兩個五年計劃期間主持和參與的多項軌道交通電力牽引系統(tǒng)重要科研項目，對車載電力牽引系統(tǒng)的安全性預測和控制進行了深入研究和總結。首先基于加速老化試驗的結果給出了擬合老化損傷規(guī)律的解析化方程，并從中提取出表征部件安全相關狀態(tài)的基本特征量，給出了區(qū)分安全相關狀態(tài)的判據(jù)；通過狀態(tài)遷移建立了系統(tǒng)的安全關聯(lián)模型以研究部件安全性對系統(tǒng)總體安全性的影響規(guī)律；利用灰色預測模型來擬合部件損傷累積的非線性過程，從而完成安全性的預測；利用多信息源、多傳感器的數(shù)據(jù)融合手段實現(xiàn)了高速鐵路電力牽引系統(tǒng)復雜故障的在線分析。研究了高速鐵路供電網壓短時中斷、網壓畸變、系統(tǒng)諧波對電力牽引系統(tǒng)安全運行的影響作用機理，提出“旋轉坐標系判別法”和“瞬時滑窗判別法”實現(xiàn)網壓短時中斷的快速識別，并進一步給出了從控制角度抑制電流沖擊的有效策略；提出基于預測網壓的前饋dq解耦控制方法以減小網壓畸變對系統(tǒng)運行的影響；給出了基于牽引變壓器輔助繞組的電流諧波濾除方法，降低牽引網諧振風險；通過分析過分相合閘過電壓和合閘涌流的產生機理，提出了一種利用網側變流器實時追蹤接觸網網壓的合閘過電壓抑制措施，以及一種基于變壓器二次側激磁的合閘涌流抑制方法。在制動安全方面，通過建立輪軌單軸簡化模型，推導了基于擾動觀測器的高黏著控制方法的具體理論實現(xiàn)過程；采用改進型的轉矩微調函數(shù)，解決了快速調節(jié)的穩(wěn)定性問題，提高了黏著控制的魯棒性和黏著利用性能，以提高高速列車制動性能，保證制動安全。同時，針對電力牽引系統(tǒng)子系統(tǒng)間的相互作用，基于阻抗匹配研究了牽引系統(tǒng)的穩(wěn)定性問題；提出了頻域下適用于牽引電機轉子磁場定向控制的拍頻抑制策略，解決了直流側二次脈動引起的牽引轉矩脈動問題。 上述研究成果多用于解決實際科研和工程項目中碰到的問題，并在我國首列混合動力動車組上，為高速鐵路列車的穩(wěn)定控制、安全運營和性能提升提供了很好的理論和技術支撐。

內容簡介 本書系統(tǒng)地闡述了電力牽引系統(tǒng)的結構、組成和基本原理。主要內容包括：電牽引基本原理、電力牽引系統(tǒng)、直流牽引系統(tǒng)、交流牽引系統(tǒng)、電氣制動、列車微機控制系統(tǒng)等。

1 緒論

1.1 牽引動力的配置

1.2 電力牽引控制的要素

1.3 電力牽引的歷史

1.4 我國電力牽引的發(fā)展歷史

復習思考題

2 電牽引原理

2.1 牽引基礎

2.2 輪軌滾動接觸理論

2.3 列車運動方程

2.4 牽引特性

2.5 牽引計算

復習思考題

3 電力牽引系統(tǒng)

3.1 電力牽引系統(tǒng)的供電制式2100433B

連續(xù)預測控制預測控制算法框圖

雖然預測控制有許多算法，一般的意義上說，它們的原理都是一樣的，算法框圖如圖1所示：

連續(xù)預測控制預測控制三個基本原則

(1)預測模型

預測控制是一種基于模型的控制算法，該模型被稱為預測模型。對于預測控制而言，只注重模型功能，而不是模型的形式。預測模型是基于對象的歷史信息和輸入，預測其未來的輸出。從方法論的角度來看，只要信息的收集具有預測功能，無論什么樣的表現(xiàn)，可以作為預測模型。這樣的狀態(tài)方程、模型傳遞函數(shù)都可以用來作為一個傳統(tǒng)的預測模型。例如線性穩(wěn)定對象，甚至階躍響應、脈沖響應的非參數(shù)模型，，都可直接作為預測模型。此外，非線性系統(tǒng)，分布式參數(shù)系統(tǒng)模型，只要具備上述功能也可以在這樣的預測控制系統(tǒng)中時用來作為預測模型。因此，預測控制打破了嚴格的控制模型結構的傳統(tǒng)要求，可按照功能要求根據(jù)最方便的信息集中方式基礎建模。在這種方式中，可以使用預測模型為預測控制進行優(yōu)化，.以提供的先驗知識來確定什么樣的控制輸入，從而使下一次受控對象的輸出變化與預定的目標行一致。

(2)滾動優(yōu)化

預測控制是一種基于優(yōu)化的控制，但其控制的輸入不是根據(jù)模型和性能指標一次解決并實現(xiàn)它，而是在實時的時間里來滾動優(yōu)化解決。在每一步的控制中，定義從目前到未來有限時域的最優(yōu)化問題，通過參數(shù)優(yōu)化求解時域的最優(yōu)控制輸入，但是只有真正的即時輸入控制才給予實現(xiàn)。到下一個控制周期，重復上述步驟，整個優(yōu)化領域向前一步滾動。在每個采樣時刻，優(yōu)化性能指標只涉及從現(xiàn)在到未來有限的時間，并且下一個采樣時刻，優(yōu)化時段向前推移。因此，預測控制全局優(yōu)化指標是不一樣的，在每一個時刻有一個相對該時刻的優(yōu)化指標。因此，預測控制的優(yōu)化不是一次離線進行，而是在線反復進行，這是滾動優(yōu)化的意義，預測控制的這一點也是不同于傳統(tǒng)最優(yōu)控制的根本。

(3)反饋校正

基礎的預測模型中，對象的動態(tài)特性只有粗略的描述，由于實際系統(tǒng)中有非線性、時變、模型不匹配、干擾等因素，基于相同模型的預測，與實際情況是無法完全匹配的，這需要用其他手段補充預測模型和實際對象的誤差，或對基礎模型進行校正。滾動優(yōu)化只有建立在反饋校正的基礎上，才能體現(xiàn)其優(yōu)越性。因此，通過預測控制算法的優(yōu)化，確定一系列未來的控制作用，為了防止模型失配或環(huán)境干擾引起的控制措施對理想狀態(tài)造成的影響，這些控制沒有完全逐一實現(xiàn)，只實現(xiàn)即時控制作用。到下一個采樣時間，首先監(jiān)測對象的實際輸出，并使用此信息在預測模型的基礎上進行實時校正，然后進行新的優(yōu)化。因此，預測控制優(yōu)化不僅基于模型，并使用了反饋信息，從而構成一個閉環(huán)優(yōu)化。

連續(xù)預測控制預測控制基本特征

(1)預測控制算法利用過去，現(xiàn)在和未來(預測模型)的信息，而傳統(tǒng)的算法，如PID等，只取過去和現(xiàn)在的信息;

(2)對模型要求低，現(xiàn)代控制理論難以大規(guī)模應用于過程工業(yè)，重要原因之一就是對模型精度過于苛刻，預測控制成功地克服這一點;

(3)模型預測控制算法具有全局滾動優(yōu)化，每個控制周期持續(xù)的優(yōu)化計算，不僅在時間上滿足實時性要求，還通過全局優(yōu)化打破傳統(tǒng)局限，組合了穩(wěn)定優(yōu)化和動態(tài)優(yōu)化;

(4)用多變量控制思想來取代單一的可變控制傳統(tǒng)手段。因此，在應用到多變量的問題時，預測控制通常被稱為多變量預測控制;

(5)最重要的是能有效地處理約束。因為在實際生產中，通常將制造過程工藝設備的狀態(tài)設置為在邊界條件(安全邊界，設備功能邊界，工藝條件邊界等)上操作，該操作狀態(tài)下，操作變量往往產生飽和以及被控變量超出約束的問題。所以可以處理多個目標，有約束控制能力成為一個控制系統(tǒng)長期、穩(wěn)定和可靠運行的關鍵技術。

連續(xù)預測控制預測控制種類

1978年，Richalet等首先闡述了預測控制的思想，預測控制是以模型為基礎，采用二次在線滾動優(yōu)化性能指標和反饋校正的策略，來克服受控對象建模誤差和結構、參數(shù)與環(huán)境等不確定因素的影響，有效的彌補了現(xiàn)代控制理論對復雜受控對象所無法避免的不足之處。

預測控制自發(fā)展以來，算法種類非常繁多，但按其基本結構形式，大致可以分為三類：

(I)由Cutler等人提出的以非參數(shù)模型為預測模型的動態(tài)矩陣控制(Dynamic Matrix Control, DMC), Rauhani等人提出的模型算法控制(Model Algorithmic Control,MAC).這類非參數(shù)模型建模方便，只需通過受控對象的脈沖響應或階躍響應測試即可得到，無須考慮模型的結構與階次，系統(tǒng)的純滯后必然包括在響應值中。其局限性在于開環(huán)自穩(wěn)定對象，當模型參數(shù)增多時，控制算法計算量大。

(2)與經典的自適應控制相結合的一類長程預測控制算法(Generalized Predictive Control, GPC).這一類基于辨識模型并且有自校正的預測控制算法，以長時段多步優(yōu)化取代了經典的最小方差控制中的一步預測優(yōu)化，從而適用于時滯和非最小相位對象，并改善了控制性能，具有良好的魯棒性。

(3)基于機構設計不同的另一類預測控制算法:包括由Garcia提出的內?？刂?Internal Model Control, IMC), Brosilow等人提出的推理控(Inference Control)等。這類算法是從結構上研究預測控制的一個獨特分支。

以上述典型預測控制為基礎結合近幾年發(fā)展起來的各種先進控制策略，形成了一些先進的預測控制算法，包括極點配置預測控制、解禍預測控制、前饋補償預測控制、自適應預測控制，魯棒預測控制等。本文重點研究自適應預測控制，即基于自適應雙重控制的預測控制算法。

另外，諸如模糊預測控制，神經網絡預測控制等智能預測控制算法的發(fā)展為解決復雜受控系統(tǒng)提供了強有力的支持。

許多新型的預測控制層出不窮，如預測函數(shù)控制、多速率采樣預測控制、多模型切換預測控制，有約束預測控制等。預測控制的算法種類越來越多，預測控制的性能在不斷改善，使其更好的應用在工業(yè)實際中。