電動客車牽引系統逆變器故障診斷與容錯控制

中圖分類號：U463.23 文獻標識碼：A 文章編號：1003-8639（2025）08-0183-03

【Abstract】As thecore componentof electricbus traction system，thereliabilityof inverterdirectlyafects the safety ofvehicleoperation.Thispaperacordingtothecommonfaulttypesof inverter，afaultdiagnosismodelbasedonwavelet transformand supportvector machine isestablished to realize theaccurate identification ofopen circuit and short circuit faults.Atthesametime，animprovedslidingmodefault-tolerantcontrolstrategyisdesignedtoachievesmoothtransition control underfaultconditions onthe basisof ensuring systemstability.The experimentalresultsshow that the accuracyof the proposed method for open-circuit fault identification is more than 95 % ，and the fault-tolerant control strategy can control the torque fluctuation within ±5% of the rated value，which provides an effective solution for improving the reliability of electric bus operation.

【Key words】electric bus；traction inverter; faultdiagnosis；fault tolerant control；sliding mode contro

隨著新能源汽車產業的快速發展，電動客車在公共交通領域的應用日益廣泛。牽引系統作為電動客車的動力來源，其可靠性直接關系到車輛的安全性能。逆變器是牽引系統的關鍵部件，在實際運行過程中易受到溫度、振動等因素影響而發生故障。因此，研究逆變器的故障診斷方法和容錯控制策略，對提升電動客車的可靠性和安全性具有重要意義。

1基于小波變換的故障診斷模型

1.1 故障特征提取

故障特征提取采用多分辨率小波變換方法，對逆變器輸出電流信號進行時頻域分析。針對開路故障，使用db4小波基對采集的三相電流進行5層分解，獲取不同頻段的詳細系數和近似系數。試驗研究表明，當開路故障發生時，故障相電流在 125～250Hz 頻帶的能量顯著增加，能量變化率超過 50% 。通過計算各頻帶能量分布特征，構建包含12個特征分量的故障特征向量。對于短路故障，重點關注電流上升速率和過流幅值特征，結合小波奇異點檢測方法，精確捕捉故障瞬態過程。

1.2故障診斷模型設計

基于提取的故障特征，構建支持向量機（SupportVectorMachine，SVM）分類器實現故障識別?？紤]到故障樣本不平衡問題，采用改進的權重因子調整算法優化分類邊界。SVM分類器的核函數選用徑向基函數（RadialBasisFunction，RBF），其表達式為：

式中： γ （2 核函數參數，通過交叉驗證確定最優值為 0.25 。

訓練樣本包含正常工況、單管開路、雙管開路和短路四類，每類包含200組特征向量。通過網格搜索法確定懲罰因子 c=100 ，建立四分類SVM模型。該模型在MATLAB環境下實現，計算負荷低，適合嵌入式系統應用。為進一步驗證模型的泛化能力，采用K折交叉驗證方法對訓練好的SVM模型進行評估。將數據集隨機分為10份，其中9份用于訓練，1份用于測試。通過多次交叉驗證，得到模型在不同數據劃分下的平均性能指標。結果表明，模型在驗證集上的平均準確率為 94.8% ，標準差為 1.2% ，證實了模型具有良好的泛化能力。

1.3 診斷性能評估

為驗證診斷模型的性能，采用混淆矩陣和ROC曲線進行全面評估。在標準測試集上，模型對正常工況的識別準確率達 98.5% ，開路故障識別準確率為96.2% ，短路故障識別準確率為 97.8% 。通過故障過渡試驗驗證動態診斷性能，結果顯示診斷延時小于5ms ，滿足實際應用需求。在不同工況下開展魯棒性測試，包括負載變化 ±30% 、轉速波動 ±20% 的工況，診斷準確率仍保持在 93% 以上。通過建立診斷誤差評價指標體系，定量分析了測量噪聲、參數漂移等因素對診斷性能的影響，為優化診斷算法提供依據。

2改進型滑模容錯控制系統

2.1滑?？刂破髟O計

電動客車牽引系統在發生逆變器故障后，傳統PI控制器難以保持良好的動態性能。本文針對這一問題，設計了一種基于滑模變結構的控制器。該控制器采用趨近律改進方法，將指數趨近律與冪律趨近律相結合，有效減小系統振蕩2?？刂破鞯幕Ｃ孢x擇轉速偏差及其變化率的組合形式，滑模系數通過粒子群優化算法確定。如表1所示，在額定工況下，系統的穩態轉速誤差控制在 ±0.5% 以內，動態響應時間小于100ms 。通過引入自適應律動態調整切換增益，顯著提升了系統的抗擾性能。滑?？刂破鞯那袚Q頻率設定為 2kHz ，在降低開關損耗的同時保證了控制精度。

表1不同控制方案性能對比

2.2 容錯控制實現

基于故障診斷結果，設計分層容錯控制策略。系統由故障監測層、決策層和執行層構成。故障監測層實時采集電流、電壓等狀態量，結合故障診斷結果評估系統健康狀態。決策層根據故障類型和程度，在預設的控制策略庫中選擇最優方案3。執行層負責實施具體的控制算法，保證系統平穩過渡。在開路故障工況下，通過重構三相電流參考值，使剩余正常相承擔更多負載，系統輸出的轉矩波動控制在 ±8% 以內。對于短路故障，采用快速硬件保護與軟件容錯控制相結合的方式，將故障響應時間控制在 5μs 以內。系統在故障工況下的能量效率降低不超過 5% ，保證了車輛的基本行駛性能。

2.3 系統穩定性分析

采用李雅普諾夫方法分析系統穩定性。如表2所示，通過構造復合李雅普諾夫函數，證明了在滿足滑模存在性條件下，系統能夠在有限時間內到達滑模面并保持穩定運動。理論分析表明，當擾動幅值不超過系統額定值的 30% 時，控制系統能夠保持漸近穩定。在MATLAB/Simulink平臺構建仿真模型，進行了包括參數攝動、負載突變等多種工況的穩定性驗證4結果顯示，系統在轉速階躍響應中的超調量不超過6% ，調節時間小于 150ms 。通過建立系統的狀態觀測器，實現了對未知擾動的在線估計和補償，進一步提高了系統的魯棒性。在發生逆變器故障后，系統能在200ms 內完成狀態重構，恢復穩定運行。為評估系統在極端溫度環境下的穩定性，進行了 -20～85^°C 范圍內的溫度循環測試。在高溫工況下，系統的動態響應時間增加約 15% ，但仍保持在設計指標范圍內。低溫工況下，由于功率器件導通損耗減小，系統效率略有提升，但控制精度基本保持不變。

表2不同工況下系統穩定性指標

注：表格中的數據均基于試驗室測試平臺獲得；測試條件為額定功率 45kW ，開關頻率 8kHz ，直流母線電壓 750V ，額定轉速 1500r/min 。

3多工況試驗測試

3.1 試驗平臺搭建

搭建基于 45kW 永磁同步電機的電動客車牽引系統試驗平臺。該平臺采用三相IGBT逆變器作為主電路，使用TMS320F28335數字信號處理器實現控制算法。直流母線電壓為750V，逆變器開關頻率設置為8kHz 。電流傳感器采用霍爾傳感器，采樣頻率為20kHz ，精度為 0.1% 。系統包含高速數據采集卡、實時控制器和工控機，實現故障數據采集與分析。負載測試臺采用 45kW 異步電機，可模擬車輛在不同路況下的負載特性。搭建的硬件在環測試系統可實現故障實時注入，支持開路故障、短路故障等多種故障模式的模擬。平臺測試結果顯示，在額定工況下系統效率達到 96% ，轉速控制精度優于 ±0.5% ，轉矩脈動控制在 ±3% 以內。

3.2 故障診斷驗證

對搭建的試驗平臺進行故障診斷性能驗證。如圖1所示，隨著樣本數的增加，系統診斷準確率呈現穩步提升趨勢。在單管開路故障工況下，診斷準確率達到 96.2% ，響應時間為 4ms ；雙管開路故障的識別準確率為 95.0% ，響應時間增加至 6ms ;而短路故障由于其特征明顯，診斷準確率最高，達到 98.5% ，響應時間僅為 2ms 。圖中 95% 置信區間的收斂趨勢表明，診斷系統具有良好的穩定性和可靠性。為驗證系統在不同工況下的診斷性能，分別進行額定轉速、低速和高速工況測試。結果顯示，在額定轉速 1500r/min 工況下，診斷準確率最高；低速 300r/min 工況下，由于電流信號幅值較小，診斷準確率降低約 2% ；高速 3000r/min 工況下，受開關頻率限制，診斷準確率降低約 1.5% 。

圖1故障診斷準確率與響應時間分析圖

3.3容錯控制效果分析

針對驗證后的故障類型，開展容錯控制性能測試。如表3所示，在開路故障工況下，改進型滑?？刂破髂軌蛟?200ms 內完成系統重構，將轉矩脈動控制在額定值的 ±8% 以內。負載突變試驗表明，系統在75% 額定負載突加和突減工況下，轉速波動不超過±3% ，恢復時間小于 180ms 。通過爬坡、制動等典型工況測試，驗證了容錯控制策略的實用性。在最大坡度

表3故障工況下系統性能指標

30% 的爬坡工況下，系統保持穩定運行，輸出轉矩波動控制在 ±10% 以內。制動工況測試顯示，系統在0.3g 減速度下的能量回收效率達到 70% 。全工況測試結果證明，所設計的容錯控制系統滿足電動客車正常運營需求。針對控制系統的實時性要求，對容錯控制算法進行了代碼優化和硬件加速。通過采用定點運算替代浮點運算，并利用DSP的硬件乘法器，將單次控制周期的計算時間從原來的 85μs 降低到 42μs 。同時，采用分時復用的方式處理故障診斷和容錯控制任務，使系統的總體實時性能提升了 45% ，為故障工況下的快速響應提供了保障。

4結束語

本文通過對電動客車牽引系統逆變器故障診斷與容錯控制的深入研究，建立了一套完整的故障診斷與控制方案。研究表明，基于小波變換和支持向量機的故障診斷方法能夠準確識別逆變器故障類型，改進型滑模容錯控制策略可有效抑制故障工況下的系統波動。試驗結果驗證了所提出方法的有效性和實用性，為電動客車牽引系統的安全穩定運行提供了技術支撐。

參考文獻

[1]施以旋，毛慶洲，戴煥云，等.基于電機振動的動車組牽引逆變器故障診斷研究[J].機車電傳動，2024（2）：151-157.

[2]辛永生，張純清，穆青.城軌維修養護用電傳動鋰電池工程車設計[J].鐵道技術監督，2022，50（11）：48-53，58.

[3]岳遠洋，杜廣林.電客車牽引制動架控與車控研究[J].電子世界，2021（6）：49-50.

[4]文志遠.廣州地鐵二號線整列車輔逆故障分析[J].機電工程技術，2020，49（5）：210-213.

（編輯楊凱麟）