城市轨道交通辅助逆变器软件控制

　　摘 要：该文设计了基于dsPIC30F6015的数字逆变器系统，详细地讨论了采用处理芯片dsPIC30F6015的系统化设计。逆变器信号的处理也通过PWM调制技术和逆变器数字系统的整体调制装置进行程序设计，用于过压和过流中断保护电路和中断电路的系统设计，正弦波的产生和正弦指针的运行分析。

　　关键词： 逆变器 正弦脉宽调制 数字处理器

　　《黑龙江交通科技》杂志自创刊以来，紧紧围绕国民经济发展对交通科技的要求，有针对性地进行技术指导;结合我省低温严寒特点和实际需要报导省内交通科技新成就、科技论文和科技成果;先进的设计理论和生产施工工艺。

　　随着国务院对省级单位降低轨道交通建设资质，表明中国城市轨道交通建设已进入高速车道。城市轨道交通不仅具有较强的运输能力，而且具有低碳环保，高效节能的特点。从技术层面来考虑，城市轨道交通是一个系统工程，需要机械工程、电力电子技术包括桥梁隧道土木工程等一些复杂的工程学科参入进来。随着城市轨道交通的发展，技术的提高是非常必要的。城市轨道交通辅助变流器的软件设计部分。

　　1 系统硬件设计

　　如图1所示，整个系统由DSP控制板，dsPIC30F6015芯片以及输入、输出线路信号组成。系统原理为：直流电经过安全检测以后，经过ADC装置处理读入PWM模块。PWM模块采用的是6位输出的，由3对IGBT原件组成。三相逆变电路上下各有一个IGBT在同一条通路，当一组中的一个IGBT打开的時候，另一个关断。三相逆变电路在系统中的实现机理是当直流电源输入之后由逆变桥根据程序软件控制输出的电信号指令对直流电进行逆变，逆变桥是由3对IGBT元器件构成。

　　2 系统核心软件设计原理与分析

　　2.1 双极性SPWM控制

　　移动SPWM控制模式是双侧模式，根据三角波载波半周期路径，波形SPWM在两个方向上的正向和负向变化，则此次随着双极SPWM控制模式的改变。然后调制载波正弦波的三角波。然而，在一个多极矩形波形中，载波的半周期由正极和负极组成，在一个三面三角波中变化很大[1]。

　　2.2 系统软件的总体设计

　　系统的总体以主程序为框架进行设计，主程序的流程图如图2所示。

　　2.3 过压、过流保护电路分析SPWM调整过程

　　程序运行到中断服务子程序时处理器的寄存器模块需要计算输入输出的比例进行PWM的脉宽调节，这个过程PWM产生流程图。过压和过流的问题或者负载介入之后的扰动以及负载使用过程当中的各种不确定都可能给系统带来安全的隐患引起工程事故[2]。

　　三相逆变器产生的交流电在每一相会有120°的偏移。也就是每一相位相差120°。3个逆变器各自在独立的相位差120°、240°的电指令的控制下输出脉宽调制波形。

　　mov Phase，W1

　　mov #Offset_120，W4

　　mov Amplitude，W6 ;

　　mov #PWM_Scaling，W7

　　mov Frequency，W8

　　把相位1的指令位置向右挪动一位之后便可以得到前面高6位的值。然后，向左挪动一位就可以获取字节的地址。同样的指令操作W2和W3便可以的到3个相位的高6位和字节地址。

　　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波形的的软件设计中的正弦波指针

　　ADC可以同时扫描AN7和AN12输入，PWM模块每16个PWM周期触发一次ADC转换。

　　PWM配置为载波频率为16kHz，互补输出。偏移值0×4000会进行一个90°的偏移，调制成功三相的偏移角度以后，需要将调节的相位值向右移动，此时系统只会将高位的6位保存，其余位的数据丢掉。乘法运算的时候根据所选的PWM周期将正弦搜索值缩放到允许的PWM占空比值。PWM 换算系数是一个表示占空比为50%的值[3]。

　　3 系统总结和展望

　　随着城市轨道交通在中国的迅猛发展，系统工程的概念提上章程加之信息化的高速发展以及能源性的问题逐渐突出。社会对电力电子技术的数量、体积和安全提出了更高的要求，特别是微处理器的电路集成。广泛受到国人关注的“中兴制裁案”溯其根源也就是因为集成电路的核心技术掌握在人家的手里。所以，一套完美的辅助逆变器系统需要涉及很多学科像电力电子技术、电子学、单片机原理等多门学科的交叉应用，所以系统本身就是一个高度复杂的系统工程，在很多方面仍有提高的空间。

　　参考文献

　　[1] 张振荣，晋明武，王毅平.MCS-51单片机原理及其实用技术[M].北京：人民邮电出版社，2000.

　　[2] 赵依军.单片微型计算机接口技术[M].武汉：湖北计算机协会，1988.

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