城市軌道交通輔助逆變器軟件控制

　　摘 要：該文設計了基于dsPIC30F6015的數字逆變器系統，詳細地討論了采用處理芯片dsPIC30F6015的系統化設計。逆變器信號的處理也通過PWM調制技術和逆變器數字系統的整體調制裝置進行程序設計，用于過壓和過流中斷保護電路和中斷電路的系統設計，正弦波的產生和正弦指針的運行分析。

　　關鍵詞： 逆變器 正弦脈寬調制 數字處理器

　　《黑龍江交通科技》雜志自創刊以來，緊緊圍繞國民經濟發展對交通科技的要求，有針對性地進行技術指導;結合我省低溫嚴寒特點和實際需要報導省內交通科技新成就、科技論文和科技成果;先進的設計理論和生產施工工藝。

　　隨著國務院對省級單位降低軌道交通建設資質，表明中國城市軌道交通建設已進入高速車道。城市軌道交通不僅具有較強的運輸能力，而且具有低碳環保，高效節能的特點。從技術層面來考慮，城市軌道交通是一個系統工程，需要機械工程、電力電子技術包括橋梁隧道土木工程等一些復雜的工程學科參入進來。隨著城市軌道交通的發展，技術的提高是非常必要的。城市軌道交通輔助變流器的軟件設計部分。

　　1 系統硬件設計

　　如圖1所示，整個系統由DSP控制板，dsPIC30F6015芯片以及輸入、輸出線路信號組成。系統原理為：直流電經過安全檢測以后，經過ADC裝置處理讀入PWM模塊。PWM模塊采用的是6位輸出的，由3對IGBT原件組成。三相逆變電路上下各有一個IGBT在同一條通路，當一組中的一個IGBT打開的時候，另一個關斷。三相逆變電路在系統中的實現機理是當直流電源輸入之后由逆變橋根據程序軟件控制輸出的電信號指令對直流電進行逆變，逆變橋是由3對IGBT元器件構成。

　　2 系統核心軟件設計原理與分析

　　2.1 雙極性SPWM控制

　　移動SPWM控制模式是雙側模式，根據三角波載波半周期路徑，波形SPWM在兩個方向上的正向和負向變化，則此次隨著雙極SPWM控制模式的改變。然后調制載波正弦波的三角波。然而，在一個多極矩形波形中，載波的半周期由正極和負極組成，在一個三面三角波中變化很大[1]。

　　2.2 系統軟件的總體設計

　　系統的總體以主程序為框架進行設計，主程序的流程圖如圖2所示。

　　2.3 過壓、過流保護電路分析SPWM調整過程

　　程序運行到中斷服務子程序時處理器的寄存器模塊需要計算輸入輸出的比例進行PWM的脈寬調節，這個過程PWM產生流程圖。過壓和過流的問題或者負載介入之后的擾動以及負載使用過程當中的各種不確定都可能給系統帶來安全的隱患引起工程事故[2]。

　　三相逆變器產生的交流電在每一相會有120°的偏移。也就是每一相位相差120°。3個逆變器各自在獨立的相位差120°、240°的電指令的控制下輸出脈寬調制波形。

　　mov Phase，W1

　　mov #Offset_120，W4

　　mov Amplitude，W6 ;

　　mov #PWM_Scaling，W7

　　mov Frequency，W8

　　把相位1的指令位置向右挪動一位之后便可以得到前面高6位的值。然后，向左挪動一位就可以獲取字節的地址。同樣的指令操作W2和W3便可以的到3個相位的高6位和字節地址。

　　add W0，W9，W9 ;

　　tblrdl [W9]，W5;

　　mpy W5*W6，A;

　　sac A，W5;

　　mpy W5*W7，A;

　　sac A，W8;

　　add W7，W8，W8;

　　mov W8，PDC1;

　　2.4 PWM波形的的軟件設計中的正弦波指針

　　ADC可以同時掃描AN7和AN12輸入，PWM模塊每16個PWM周期觸發一次ADC轉換。

　　PWM配置為載波頻率為16kHz，互補輸出。偏移值0×4000會進行一個90°的偏移，調制成功三相的偏移角度以后，需要將調節的相位值向右移動，此時系統只會將高位的6位保存，其余位的數據丟掉。乘法運算的時候根據所選的PWM周期將正弦搜索值縮放到允許的PWM占空比值。PWM 換算系數是一個表示占空比為50%的值[3]。

　　3 系統總結和展望

　　隨著城市軌道交通在中國的迅猛發展，系統工程的概念提上章程加之信息化的高速發展以及能源性的問題逐漸突出。社會對電力電子技術的數量、體積和安全提出了更高的要求，特別是微處理器的電路集成。廣泛受到國人關注的“中興制裁案”溯其根源也就是因為集成電路的核心技術掌握在人家的手里。所以，一套完美的輔助逆變器系統需要涉及很多學科像電力電子技術、電子學、單片機原理等多門學科的交叉應用，所以系統本身就是一個高度復雜的系統工程，在很多方面仍有提高的空間。

　　參考文獻

　　[1] 張振榮，晉明武，王毅平.MCS-51單片機原理及其實用技術[M].北京：人民郵電出版社，2000.

　　[2] 趙依軍.單片微型計算機接口技術[M].武漢：湖北計算機協會，1988.

　　[3] Musaoi MT.On the training of RBF classifiers[J].Neural Networks，2010，35(4)：595-603.