高速铁路电力牵引系统的安全性预测与控制项目摘要

研究表明，供电网的极端工况、系统谐波以及制动控制性能对电力牵引系统及制动安全产生影响，电力牵引系统的健康度是一个可预测的变化过程，但对高速铁路电力牵引系统中的复杂供电条件、子系统间的相互作用、制动控制等因素的单独作用及耦合并发作用对电力牵引系统及制动安全影响机理缺乏认识。本项目通过研究电力牵引系统亚安全态与故障态之间的发展规律，探索系统损伤的作用机理，提出电力牵引系统故障预警理论，建立系统健康度评估方法；研究高速铁路供电网压畸变与闪变、分相过电压与过电流以及系统谐波对电力牵引系统运行的作用机理，提高恶劣工况下系统的安全控制性能；采用在线自适应电力牵引系统最优制动控制方法，增强制动控制系统的鲁棒性，提高高速列车制动安全性能。通过上述研究提出电力牵引系统安全性预测与控制理论，为高速铁路列车的设计制造、安全运营、维护维修提供理论和技术支撑。

针对高铁电力牵引系统，通过测试和分析CRH5、CRH380BL等车型出现的网压谐振、IGBT损坏、牵引丢失等问题，我们发现：供电网的极端工况、系统谐波以及制动控制性能对电力牵引系统及制动安全产生影响，项目针对高速铁路电力牵引系统中的复杂供电条件、子系统间的相互作用、制动控制等因素的单独作用及耦合并发作用对电力牵引系统及制动安全影响机理等问题，展开安全性预测与控制研究。 结合两个五年计划期间主持和参与的多项轨道交通电力牵引系统重要科研项目，对车载电力牵引系统的安全性预测和控制进行了深入研究和总结。首先基于加速老化试验的结果给出了拟合老化损伤规律的解析化方程，并从中提取出表征部件安全相关状态的基本特征量，给出了区分安全相关状态的判据；通过状态迁移建立了系统的安全关联模型以研究部件安全性对系统总体安全性的影响规律；利用灰色预测模型来拟合部件损伤累积的非线性过程，从而完成安全性的预测；利用多信息源、多传感器的数据融合手段实现了高速铁路电力牵引系统复杂故障的在线分析。研究了高速铁路供电网压短时中断、网压畸变、系统谐波对电力牵引系统安全运行的影响作用机理，提出“旋转坐标系判别法”和“瞬时滑窗判别法”实现网压短时中断的快速识别，并进一步给出了从控制角度抑制电流冲击的有效策略；提出基于预测网压的前馈dq解耦控制方法以减小网压畸变对系统运行的影响；给出了基于牵引变压器辅助绕组的电流谐波滤除方法，降低牵引网谐振风险；通过分析过分相合闸过电压和合闸涌流的产生机理，提出了一种利用网侧变流器实时追踪接触网网压的合闸过电压抑制措施，以及一种基于变压器二次侧激磁的合闸涌流抑制方法。在制动安全方面，通过建立轮轨单轴简化模型，推导了基于扰动观测器的高黏着控制方法的具体理论实现过程；采用改进型的转矩微调函数，解决了快速调节的稳定性问题，提高了黏着控制的鲁棒性和黏着利用性能，以提高高速列车制动性能，保证制动安全。同时，针对电力牵引系统子系统间的相互作用，基于阻抗匹配研究了牵引系统的稳定性问题；提出了频域下适用于牵引电机转子磁场定向控制的拍频抑制策略，解决了直流侧二次脉动引起的牵引转矩脉动问题。 上述研究成果多用于解决实际科研和工程项目中碰到的问题，并在我国首列混合动力动车组上，为高速铁路列车的稳定控制、安全运营和性能提升提供了很好的理论和技术支撑。

内容简介 本书系统地阐述了电力牵引系统的结构、组成和基本原理。主要内容包括：电牵引基本原理、电力牵引系统、直流牵引系统、交流牵引系统、电气制动、列车微机控制系统等。

1 绪论

1.1 牵引动力的配置

1.2 电力牵引控制的要素

1.3 电力牵引的历史

1.4 我国电力牵引的发展历史

复习思考题

2 电牵引原理

2.1 牵引基础

2.2 轮轨滚动接触理论

2.3 列车运动方程

2.4 牵引特性

2.5 牵引计算

复习思考题

3 电力牵引系统

3.1 电力牵引系统的供电制式2100433B

连续预测控制预测控制算法框图

虽然预测控制有许多算法，一般的意义上说，它们的原理都是一样的，算法框图如图1所示：

连续预测控制预测控制三个基本原则

(1)预测模型

预测控制是一种基于模型的控制算法，该模型被称为预测模型。对于预测控制而言，只注重模型功能，而不是模型的形式。预测模型是基于对象的历史信息和输入，预测其未来的输出。从方法论的角度来看，只要信息的收集具有预测功能，无论什么样的表现，可以作为预测模型。这样的状态方程、模型传递函数都可以用来作为一个传统的预测模型。例如线性稳定对象，甚至阶跃响应、脉冲响应的非参数模型，，都可直接作为预测模型。此外，非线性系统，分布式参数系统模型，只要具备上述功能也可以在这样的预测控制系统中时用来作为预测模型。因此，预测控制打破了严格的控制模型结构的传统要求，可按照功能要求根据最方便的信息集中方式基础建模。在这种方式中，可以使用预测模型为预测控制进行优化，.以提供的先验知识来确定什么样的控制输入，从而使下一次受控对象的输出变化与预定的目标行一致。

(2)滚动优化

预测控制是一种基于优化的控制，但其控制的输入不是根据模型和性能指标一次解决并实现它，而是在实时的时间里来滚动优化解决。在每一步的控制中，定义从目前到未来有限时域的最优化问题，通过参数优化求解时域的最优控制输入，但是只有真正的即时输入控制才给予实现。到下一个控制周期，重复上述步骤，整个优化领域向前一步滚动。在每个采样时刻，优化性能指标只涉及从现在到未来有限的时间，并且下一个采样时刻，优化时段向前推移。因此，预测控制全局优化指标是不一样的，在每一个时刻有一个相对该时刻的优化指标。因此，预测控制的优化不是一次离线进行，而是在线反复进行，这是滚动优化的意义，预测控制的这一点也是不同于传统最优控制的根本。

(3)反馈校正

基础的预测模型中，对象的动态特性只有粗略的描述，由于实际系统中有非线性、时变、模型不匹配、干扰等因素，基于相同模型的预测，与实际情况是无法完全匹配的，这需要用其他手段补充预测模型和实际对象的误差，或对基础模型进行校正。滚动优化只有建立在反馈校正的基础上，才能体现其优越性。因此，通过预测控制算法的优化，确定一系列未来的控制作用，为了防止模型失配或环境干扰引起的控制措施对理想状态造成的影响，这些控制没有完全逐一实现，只实现即时控制作用。到下一个采样时间，首先监测对象的实际输出，并使用此信息在预测模型的基础上进行实时校正，然后进行新的优化。因此，预测控制优化不仅基于模型，并使用了反馈信息，从而构成一个闭环优化。

连续预测控制预测控制基本特征

(1)预测控制算法利用过去，现在和未来(预测模型)的信息，而传统的算法，如PID等，只取过去和现在的信息;

(2)对模型要求低，现代控制理论难以大规模应用于过程工业，重要原因之一就是对模型精度过于苛刻，预测控制成功地克服这一点;

(3)模型预测控制算法具有全局滚动优化，每个控制周期持续的优化计算，不仅在时间上满足实时性要求，还通过全局优化打破传统局限，组合了稳定优化和动态优化;

(4)用多变量控制思想来取代单一的可变控制传统手段。因此，在应用到多变量的问题时，预测控制通常被称为多变量预测控制;

(5)最重要的是能有效地处理约束。因为在实际生产中，通常将制造过程工艺设备的状态设置为在边界条件(安全边界，设备功能边界，工艺条件边界等)上操作，该操作状态下，操作变量往往产生饱和以及被控变量超出约束的问题。所以可以处理多个目标，有约束控制能力成为一个控制系统长期、稳定和可靠运行的关键技术。

连续预测控制预测控制种类

1978年，Richalet等首先阐述了预测控制的思想，预测控制是以模型为基础，采用二次在线滚动优化性能指标和反馈校正的策略，来克服受控对象建模误差和结构、参数与环境等不确定因素的影响，有效的弥补了现代控制理论对复杂受控对象所无法避免的不足之处。

预测控制自发展以来，算法种类非常繁多，但按其基本结构形式，大致可以分为三类：

(I)由Cutler等人提出的以非参数模型为预测模型的动态矩阵控制(Dynamic Matrix Control, DMC), Rauhani等人提出的模型算法控制(Model Algorithmic Control,MAC).这类非参数模型建模方便，只需通过受控对象的脉冲响应或阶跃响应测试即可得到，无须考虑模型的结构与阶次，系统的纯滞后必然包括在响应值中。其局限性在于开环自稳定对象，当模型参数增多时，控制算法计算量大。

(2)与经典的自适应控制相结合的一类长程预测控制算法(Generalized Predictive Control, GPC).这一类基于辨识模型并且有自校正的预测控制算法，以长时段多步优化取代了经典的最小方差控制中的一步预测优化，从而适用于时滞和非最小相位对象，并改善了控制性能，具有良好的鲁棒性。

(3)基于机构设计不同的另一类预测控制算法:包括由Garcia提出的内模控制(Internal Model Control, IMC), Brosilow等人提出的推理控(Inference Control)等。这类算法是从结构上研究预测控制的一个独特分支。

以上述典型预测控制为基础结合近几年发展起来的各种先进控制策略，形成了一些先进的预测控制算法，包括极点配置预测控制、解祸预测控制、前馈补偿预测控制、自适应预测控制，鲁棒预测控制等。本文重点研究自适应预测控制，即基于自适应双重控制的预测控制算法。

另外，诸如模糊预测控制，神经网络预测控制等智能预测控制算法的发展为解决复杂受控系统提供了强有力的支持。

许多新型的预测控制层出不穷，如预测函数控制、多速率采样预测控制、多模型切换预测控制，有约束预测控制等。预测控制的算法种类越来越多，预测控制的性能在不断改善，使其更好的应用在工业实际中。