摘要
通过分析涡流效应原理并利用有限元法对端部悬浮电磁场进行数值仿真,获取了涡流效应对端部悬浮电磁铁悬浮力影响的关键因素,并建立了考虑涡流效应的端部悬浮系统模型。针对列车运行过程中悬浮系统的动态特性,提出了一种不改变现有标称控制器结构的参数优化算法。优化后的控制器已成功应用于长沙磁浮快线,实际运行数据表明端部悬浮系统的鲁棒性和抗干扰能力得到了显著提升。
中低速磁浮列车作为一种新型轨道交通制式,具有运行安全、噪声低,线路适应性强,建设和维护成本低,舒适度高等众多优
为了克服涡流效应对端部悬浮系统的不利影响,首先对涡流效应的原理进行分析,采用Maxwell软件建立与实际系统比例相同的有限元模型并对悬浮电磁场进行数值仿真,解析端部涡流效应对悬浮电磁力的影响。结合列车运行过程中悬浮系统的动态特性,建立考虑涡流效应的端部悬浮系统模型,并依据模型特性设计标称控制器。针对列车高速运行时端部悬浮系统的鲁棒性和抗干扰能力下降问题,提出一种不改变现有标称控制器结构的参数优化算法,通过动态调整控制参数,实现对现有标称控制器的动态调整与优化设计。
中低速磁浮列车车辆总体结构分为上下2层,以车厢为主的上层结构与轮轨列车车辆基本相同,以悬浮架以及悬浮系统为主的下层结构与轮轨列车车辆完全不同。车厢与悬浮架之间通过空气弹簧相连。1节完整的中低速磁浮列车车辆由5个悬浮架构成,每个悬浮架共有4个悬浮单元。每个悬浮单元为一套完整的悬浮控制系统,由悬浮电磁铁、悬浮控制器以及悬浮传感器组成,其中悬浮电磁铁为整个系统的被控对象。中低速磁浮列车总体结构如

图1 中低速磁浮列车总体结构
Fig.1 Overall structure of medium-low speed maglev train
众所周知,同性磁极相互排斥,异性磁极相互相吸,中低速磁浮列车悬浮系统就是利用悬浮电磁铁与导轨间的相互吸引实现磁浮列车的稳定悬浮。中低速磁浮列车车厢底部共有20组悬浮电磁铁,悬浮电磁铁通电后产生可控电磁场,从而产生向上的电磁力。悬浮控制器通过动态调整悬浮电磁铁中电流大小,使其产生的电磁力与列车负载实现动态平衡。悬浮传感器安装在悬浮电磁铁上,实时检测悬浮电磁铁与轨道面的距离,并发送量测数据给悬浮控制器。悬浮控制器收到量测数据后与给定值进行比较,计算出对应的控制量并作用于悬浮电磁铁,从而保证悬浮电磁铁始终工作在设定间隙。中低速磁浮列车悬浮系统结构如

图2 中低速磁浮列车悬浮系统结构
Fig.2 Structure of magnetic levitation system in medium-low speed maglev train
根据法拉第电磁感应定律,当导体相对于磁场运动时或者导体处在变化的磁场中时,导体感应出电动势从而形成涡旋电流,简称涡流。当磁浮列车沿着轨道高速向前运行时,悬浮电磁铁与导轨之间建立的闭合磁场沿着轨道运动,不断形成新的闭合磁场,因此导轨中产生涡流。磁浮列车的导轨为非叠层钢轨,悬浮电磁铁与导轨之间的快速相对运动形成的涡流会阻碍其相对运动。在悬浮电磁铁模块前端,由于磁场处在增强的变化趋势中,涡流效应会产生一个相反的磁场,从而阻止导轨中磁场强度的增大;在悬浮电磁铁模块末端,涡流效应会阻止导轨中磁场强度的减小。
涡流效应发生时F型导轨的磁场方向如

图3 涡流效应原理示意图
Fig.3 Schematic diagram of eddy current effect principle
利用有限元法进一步分析涡流效应特性,对悬浮电磁铁的电磁场进行数值仿真。通过Maxwell软件建立与实际系统比例相同的三维有限元模型,参照长沙磁浮快线悬浮电磁铁以及F型导轨的结构、尺寸和参数,对悬浮电磁铁模块的涡流效应进行数值分析。F型导轨、悬浮电磁铁内部铁芯以及外围极板的材料均为Q235B,三维模型如

图4 悬浮电磁铁与F型导轨的三维模型(单位:mm)
Fig.4 Three-dimensional model of electromagnet and F-type track(unit:mm)
首先,为建立的悬浮电磁铁与F型导轨的三维模型选择求解场、定义边界并建立运动区域;其次,在三维仿真中对建立的模型添加激励、划分网格(见

图5 三维模型的网格划分
Fig.5 Meshing of three-dimensional model
中低速磁浮列车左右两侧分别有10组悬浮电磁铁,为了研究中低速磁浮列车高速运行时涡流效应对端部悬浮电磁铁与非端部悬浮电磁铁的影响,对不同速度下的悬浮气隙磁场进行计算,如

图6 不同速度下端部悬浮电磁铁与非端部悬浮电磁铁的磁通密度
Fig.6 Magnetic flux density of front and another electromagnets at different speeds
高速运行中的端部悬浮电磁铁受涡流效应的影响更为明显,气隙磁通密度的分布发生了明显改变,为了保证悬浮电磁铁始终工作在设定悬浮间隙,端部悬浮电磁铁局部极易发生磁场饱和。在涡流效应的作用下,端部悬浮电磁铁为了提供足够的悬浮力,必须提高悬浮电流,从而降低悬浮控制系统的鲁棒性,悬浮间隙波动也变得更为剧烈。
通过对比不同速度下数值结果后发现,涡流效应对端部悬浮电磁铁悬浮力造成的影响主要与列车的速度有关。不同速度下导轨中的涡流密度计算结果如

图7 不同速度下轨道涡流密度
Fig.7 Eddy current density of the rail at different speeds
为克服涡流效应对端部悬浮系统的不利影响,基于对涡流效应原理以及数值仿真结果的分析,结合列车运行过程中悬浮系统的动态特性,建立考虑涡流效应的端部悬浮系统模型,并依据模型特性设计标称控制器。针对列车高速运行时端部悬浮系统的鲁棒性和抗干扰能力下降问题,提出一种不改变现有标称控制器结构的参数优化算法,通过动态调整控制参数,实现对现有标称控制器的动态调整与优化设计。
为了描述悬浮系统输入量与输出量之间的关系,需要建立相应的数学模型。对于中低速磁浮列车悬浮系统这个复杂的机电系统,在建立系统模型时为了降低微分方程阶次,降低求解难度,往往会忽略很多因素。本研究中也忽略了漏磁和边缘效应,认为磁势全部均匀降落在悬浮间隙上。悬浮系统模型如

图8 悬浮系统模型
Fig.8 Magnetic levitation system model
考虑到列车的实际运行工况,涡流效应直接导致端部悬浮电磁铁的气隙磁场以及悬浮力下降,极大地降低了端部悬浮系统的鲁棒性,以往的建模过程忽略了涡流效应的影响,从而导致端部悬浮电磁铁悬浮间隙波动剧烈,因此端部悬浮系统建模过程中必须要考虑涡流效应的影响。由麦克斯韦方程组得到轨道中涡流密度,如下所示:
式中:J为轨道中涡流密度;E为电场强度;v为运行速度;B为磁感应强度;μ为磁导率;σ为电导
综所述上,涡流效应影响下电磁力的解析表达式为
,,, |
式中:N为线圈的匝数;为悬浮电磁铁的有效磁极面积;L为电磁铁模块长度;为端部涡流效应系数,是一个关于速度的函数;a为磁极宽度。
悬浮电磁铁是一个电感性元件,因此其电压与电流的关系式为
式中:为悬浮电磁铁电阻。此时,悬浮电磁铁的动力学方程可以表示为
选取状态变量,此时悬浮系统的状态空间表达式为
式中:。
中低速磁浮列车悬浮系统的参数如
注: 为悬浮电磁铁在平衡点处的稳态间隙。
中低速磁浮列车悬浮系统模型中存在平方项等非线性环节,因此悬浮系统是一个典型的非线性系统。通过非线性微分方程组求解来分析悬浮系统性能非常困难,但中低速磁浮列车悬浮系统工作点稳定,工作区间集中在工作点附近,并且不存在本质的非线性环节,因此可以通过线性方法来分析非线性悬浮系统的动态特性。
对于非线性的中低速磁浮列车悬浮系统,整个系统在平衡点处的边界约束条件为
式中:为悬浮电磁铁在平衡点处的稳态电流。此时可以得到悬浮系统的线性化模型,如下所示:
选取状态变量,线性化化后悬浮系统的状态空间表达式为
悬浮系统特征多项式不满足Hurwitz稳定性判据,依据Hartman‒Grobman定理,悬浮系统是不稳定的。进一步分析系统的可控性,悬浮系统的可控性矩阵秩为3,因此悬浮系统完全可控。
为了使悬浮系统能够工作在期望状态,需要设计相应的控制律。在工业和交通控制领域,比例‒积分‒微分(PID)控制算法是最成熟也是应用最为广泛的控制算法。基于串级控制的思想,悬浮控制算法通常分为2个部分,即内环为电流环,外环为位置
(1) |
对
(2) |
式中:s为频域。悬浮电磁铁电压和电流的传递函数表明,悬浮电磁铁是一个典型的惯性环节,输出电流的响应速度严重滞后于输入电压的变化速度。悬浮电磁铁响应时间太长,无法满足悬浮控制系统的响应速度要求,为此在悬浮控制算法的设计中引入了电流负反馈,如

图9 电流负反馈动态结构
Fig.9 Current negative feedback dynamic structure
引入电流反馈前的输入电压,则直接作用于悬浮电磁铁上的电压
(3) |
当输入电压为单位阶跃信号时,引入电流环后的响应曲线如

图10 悬浮电磁铁的阶跃响应曲线
Fig.10 Step response curve of the electromagnet
引入电流负反馈后,输出电流能够快速跟踪输入电压的变化,同时在悬浮系统的频带内,电压与电流的比例系数近似等于1。悬浮系统的阶次由3阶降为2阶。电流环设计完成后,位置环的设计采用PID控制算法,计算式如下所示:
(4) |
式中:为比例系数增益;为微分系数增益;为积分系数增益。此时,悬浮系统的最终控制律可以表示为
(5)
式中:为标称控制器的比例反馈系数;为标称控制器的微分反馈系数;为标称控制器的积分反馈系数;为标称控制器的电流反馈系数。
标称控制器设计完成后,为了评估其性能,利用Simulink搭建非线性悬浮系统模型并且进行动态仿真。中低速磁浮列车悬浮系统控制框图如

图11 悬浮控制系统框图
Fig.11 Block diagram of magnetic levitation control system
悬浮电磁铁的初始间隙为25 mm,目标间隙设定为10 mm。当悬浮系统收到起浮命令时,悬浮电磁铁的动态响应如

图12 悬浮电磁铁的悬浮间隙
Fig.12 Suspension gap of the electromagnet
为了应对列车实际运行过程中的各种工况、路况条件,中低速磁浮列车悬浮系统的控制问题研究也要考虑系统的鲁棒性以及适应能
在标称控制器电流环的设计中,电流负反馈的作用是提高系统的响应速度,使得输出电流能够快速跟踪输入电压。然而,电流负反馈存在的同时也抑制了电压的快速增加。当悬浮电磁铁受到方向向下的干扰力时,为了增大电磁力,悬浮电磁铁的电流将从初始时的增大到(),此时电流负反馈通道产生的控制量将由缩小为。悬浮控制系统的控制目标是通过增加控制电压来加大电磁力,此时电流负反馈的存在不利于悬浮电磁铁抵御外界干扰。
为提高悬浮系统抵御外界干扰的能力,快速增加控制电压来加大电磁力,标称控制器的电流环就需要重新优化设计。既能提高电流响应的速度,保障输出电流能够快速跟踪输入电压,又要在系统受到干扰时快速增加电压来增大电磁力。基于上述分析,重新设计电流负反馈系数。电流反馈系数可以通过悬浮间隙的波动情况进行动态调节,计算式如下所示:
(6) |
式中:为优化后的电流反馈系数;为可调因子。
优化后的悬浮控制器电流反馈系数能够在列车受到干扰偏离平衡位置时,通过主动减小电流负反馈系数来加快电压增加的速度。为保障悬浮系统的响应速度,电流反馈系数必须控制在一定范围之上,因此优化后悬浮控制器的电流反馈系数被设定为
(7) |
式中:为满足悬浮系统响应速度要求的最小反馈系数。
标称控制器位置环的设计中,系统的控制目标是在确保悬浮系统稳定的基础上尽最大可能提高系统的抗干扰能力。通过增大比例反馈系数来增加系统刚度,改善系统的鲁棒性,但是比例反馈系数增大到一定程度会直接导致系统失稳。因此,标称控制器位置环中的比例反馈系数就需要重新优化设计,在参数的选取时要综合各方面的要求,计算式如下所示:
(8) |
式中:为优化后的比例反馈系数;为可调因子。
当悬浮系统工作在平衡点附近时,比例反馈系数保持不变。当悬浮系统偏离平衡点时,为提高系统的抗干扰能力,通过增大比例反馈系数来增加悬浮系统刚度。
综上所述,优化后的控制律为
(9) |
为检验悬浮系统的抗干扰能力,对中低速磁浮列车悬浮系统在外力扰动下的动态响应进行仿真。当悬浮系统处在正常悬浮状态时,对悬浮系统施加扰动,15 s时受到方向向下的5 kN阶跃干扰力,持续3 s,悬浮系统的悬浮间隙波动如

图13 5 kN阶跃干扰力下悬浮间隙
Fig.13 Suspension gap under 5 kN step disturbance force
为进一步检验悬浮系统的抗干扰能力,当悬浮系统处在正常悬浮状态时,对悬浮系统的悬浮间隙测量通道施加幅值为1.5 mm的阶跃干扰,持续时间为2 s,此时悬浮系统的悬浮间隙如

图14 受到幅值为1.5 mm阶跃干扰时的悬浮间隙
Fig.14 Suspension gap when suffering from a step interference with amplitude of 1.5 mm
由
为了克服涡流效应对高速运行过程中端部悬浮电磁铁的不利影响,将优化后的控制器应用于长沙磁浮快线,检验实际运行过程中悬浮系统的抗干扰能力。在长沙磁浮快线正线开展高速运行测试,通过车载CAN(controller area network)总线收集并记录了端部悬浮电磁铁运行过程中的悬浮间隙,如

图15 端部悬浮电磁铁的悬浮间隙与速度
Fig.15 Suspension gap and speed of front electromagnet
试验测试结果表明,在整个速度区间内悬浮间隙波动均在合理范围。即使在高速区间,在涡流效应的不利影响下,通过动态调整控制参数,端部悬浮系统在优化后的控制器调节下也能表现出良好的鲁棒性和抗干扰能力。
为了克服涡流效应的不利影响,首先分析和讨论了涡流效应原理,通过Maxwell软件建立了与实际系统比例相同的有限元模型并对端部悬浮电磁铁的电磁场进行了数值仿真。结果表明,高速运行过程中的端部悬浮电磁铁受涡流效应影响,气隙磁通密度的分布发生了明显改变,严重影响了悬浮电磁力的生成。因此,建立了考虑涡流效应的端部悬浮系统模型,并依据模型特性设计了标称控制器。在不改变现有标称控制器结构的基础上,实现了对现有标称控制器的动态调整与参数优化,提高了悬浮系统鲁棒性和抗干扰能力。优化后的控制器已成功应用于长沙磁浮快线,实际运行数据表明端部悬浮电磁铁的鲁棒性和抗干扰能力得到了显著提升。
作者贡献声明
翟明达:研究方案制定,算法设计与仿真,论文撰写。
龙志强:参与研究的构思和设计。
李晓龙:试验验证。
丁菁芳:有限元仿真计算。
张 博:论文修订。
参考文献
吴祥明. 磁浮列车[M]. 上海: 上海科学技术出版社, 2003. [百度学术]
WU Xiangming. Maglev train [M]. Shanghai: Shanghai Science and Technology Press, 2003. [百度学术]
LIU Zhigang, LONG Zhiqiang, LI Xiaolong. Maglev trains key underlying technologies[M]. Heidelberg: Springer, 2015. [百度学术]
LIN G, SHENG X. Application and further development of maglev transportation in China[J].Transportation Systems and Technology, 2018, 4(3): 36. [百度学术]
LEE H W, KIM K C, LEE J. Review of maglev train technologies[J]. IEEE Transactions on Magnetics, 2006, 42(7): 1917. [百度学术]
OHSAKI H, DU J. Influence of eddy current induced in steel rails on electromagnetic force characteristics of EMS maglev systems[C]//The 18th International Conference on Magnetically Levitated Systems and Linear Drives. Shanghai:[s.n.], 2004: 960-965. [百度学术]
YAMAMURA S, ITO T. Analysis of speed characteristics of attracting magnet for magnetic levitation of vehicles[J]. IEEE Transactions on Magnetics, 1975, 11(5): 1504. [百度学术]
ZHAI M, LONG Z, LI X. Calculation and evaluation of load performance of magnetic levitation system in medium-low speed maglev train[J]. International Journal of Applied Electromagnetics and Mechanics, 2019, 61(4): 519. [百度学术]
郑丽莉. 钢轨涡流对EMS型低速磁浮列车悬浮力影响的研究[D]. 长沙: 国防科学技术大学, 2010. [百度学术]
ZHENG Lili. Study on effect of rail vortex on levitation force of EMS low speed maglev train [D]. Changsha: National University of Defense Technology, 2010. [百度学术]
李云钢, 常文森. 磁浮列车悬浮系统的串级控制[J]. 自动化学报, 1999, 25(2): 247. [百度学术]
LI Yungang, CHANG Wensen. Cascading control of maglev train suspension system [J]. Acta Automatica Sinica, 1999, 25(2): 247. [百度学术]
刘恒坤, 常文森. 磁悬浮列车的双环控制[J]. 控制工程, 2007, 14(2): 198. [百度学术]
LIU Hengkun, CHANG Wensen. Double loop control of maglev train [J]. Control Engineering of China, 2007, 14(2): 198. [百度学术]
GUTIERREZ H M,LUIJTEN H. 5-DOF real-time control of active electrodynamic MAGLEV[J]. IEEE Transactions on Industrial Electronics, 2018, 42(7): 1917. [百度学术]
SUN Y, XU J, WU H, et al. Deep learning based semi-supervised control for vertical security of maglev vehicle with guaranteed bounded airgap[J]. IEEE Transactions on Intelligent Transportation Systems, 2021, 22(7): 4431. [百度学术]
SUN Y, XU J, LIN G, et al. RBF neural network-based supervisor control for maglev vehicles on an elastic track with network time-delay[J]. IEEE Transactions on Industrial Informatics, 2020, 18(1): 509. [百度学术]