地铁辅助逆变器（SIV）输出电压异常波动故障诊断与维修策略研究

1 前言

随着我国城市轨道交通的迅猛发展，地铁已成为现代都市公共交通的骨干网络，其运营的安全性与可靠性直接关系到公众出行效率与社会经济活动的正常运行。在地铁列车的众多子系统中，辅助逆变器（SIV）扮演着至关重要的角色，它负责将列车受流器获取的直流网压（如 DC1500V 或 DC750V）逆变为恒压恒频的三相交流电（如AC380V/50Hz），为整列车的空调、照明、空气压缩机、旅客信息系统及控制电路等所有辅助用电设备提供动力，堪称列车的“能量心脏”，其输出电能质量的稳定性是保障列车舒适环境与安全运行的关键前提。然而，在实际运营中，SIV 输出电压异常波动已成为一种常见且危害性极大的故障模式，该故障不仅会导致车厢照明闪烁、空调运行异常等影响乘客体验的问题，更可能引发精密电子控制设备的误动作或损坏，甚至造成SIV 系统保护性关机，导致列车失去辅助供电而瘫痪于正线，严重干扰运营秩序并带来巨大的经济与声誉损失。鉴于输出电压波动故障通常由控制回路、功率元件、无源组件及外部环境等多因素耦合导致，其现象复杂、隐蔽性强，传统依赖于维修人员个人经验的故障排查方法往往效率低下、准确性不足，难以满足现代地铁高密度、高可靠性运营的维护需求。因此，本文旨在对地铁SIV 输出电压异常波动故障进行系统性的深入研究，通过剖析其工作原理，构建科学的故障诊断模型与标准化的维修流程，并展望智能运维的未来方向，以形成一套高效、精准的维修策略，为提升地铁车辆的维护技术水平与运营保障能力提供坚实的理论依据和实践指导。

2 SIV 系统工作原理与输出电压波动致因分析

地铁辅助逆变器（SIV）系统是一个集电力电子技术、自动控制技术及网络通信技术于一体的复杂电能变换装置，其基本工作原理是通过全控型功率开关器件（如IGBT）构成的三相桥式逆变电路，采用正弦脉冲宽度调制（SPWM或SVPWM）技术，将输入的不稳定直流电转换为所需的高质量交流电；该过程的核心在于闭环控制，系统通过实时采样输出侧的电压与电流信号，并将其反馈至以数字信号处理器（DSP）为核心的控制单元，与内部设定的基准值进行比较后，经由比例积分（PI）调节器生成控制信号，不断调整PWM 波的脉宽与相位，从而实现对输出电压幅值与频率的精确、稳定控制，而输出端的LC 滤波电路则用于滤除开关频率附近的高次谐波，确保输出正弦波的平滑与纯净。正是由于其结构的复杂性与控制的精密性，任何环节的异常都可能导致输出电压出现异常波动，其致因可系统性归纳为以下几个方面：首先，控制回路故障是核心诱因，包括电压/电流霍尔传感器的精度漂移、损坏或接线松动导致反馈信号失真，以及控制板软件算法缺陷、硬件元器件老化或电磁干扰导致控制指令出错；其次，功率回路性能劣化是关键因素，如IGBT 模块因长期工作于高开关频率下出现开关特性退化、导通压降增大或驱动电路故障，以及直流侧支撑电容因电解液干涸导致容值衰减、等效串联电阻（ESR）增大，从而无法有效平抑直流母线电压的脉动。

3 基于FTA 的故障诊断模型与系统化维修流程

3.1 故障树分析（FTA）模型的建立

故障树分析（FTA）适合对SIV 输出电压异常波动这类多诱因复杂故障进行逻辑推理与图形化建模。本文以“SIV输出电压异常波动”为顶事件构建故障树模型，先将顶事件下一层中间事件分为“控制回路异常”“功率回路异常”“无源元件与线路异常”“外部干扰异常”四大分支，搭建主干框架。随后细化分解中间事件，如“控制回路异常”可分解为“传感器故障”等次级中间事件，“传感器故障”又可分解为“电压传感器失效”等底事件。“外部干扰异常”虽非设备本身故障，但因其能导致输出波动，也作为底事件纳入故障树并注明为外部事件。通过“与”“或”

关系连接，形成故障树图谱，该模型揭示顶事件与底事件的逻辑关联和传播路径，为维修人员提供思维导图，提高故障诊断的科学性和完整性。

3.2 分层级的检测与诊断方法

基于FTA 模型的故障逻辑关系，本文提出分层级检测与诊断方法，将检测过程分为四个层级以缩小故障范围、锁定根本原因。第一层级为宏观判断与外部检查，维修人员询问故障历史与频次，读取故障代码，测量关键参数，分析波形，检查输入电压和负载，排除外部干扰因素。若问题依旧，进入第二层级即控制回路专项检测，用高精度示波器检测关键节点波形，判断传感器、驱动电路等是否正常，区分控制指令与功率执行问题。第三层级为功率与无源元件专项检测，断电后用专用仪表测量开关器件、电容、电感等性能，与标准值对比定位劣化元器件。第四层级是线路与连接完整性检查，用绝缘电阻测试仪和力矩扳手排查松动、氧化问题。

3.3 标准化的维修作业流程（SOP）

为确保故障维修高效、规范、安全，本文基于FTA 模型与分层级检测方法制定SOP。流程始于“信息收集与初步判断”，维修人员查阅故障数据、报警信息，执行安全操作，进行外部检查。第二步“空载运行测试”，断开负载启动SIV，监测空载输出电压，判断故障点位置。第三步“带载运行测试”，投入负载，观察输出电压变化，验证故障与负载的关联性。第四步“分层级检测与故障定位”，按层级顺序结合FTA 模型排查定位故障原因。第五步“维修操作与部件更换”，依据定位结果进行规范维修。最后一步“修复验证与功能测试”，全面测试SIV 输出性能，试运行观察并记录数据，形成维修闭环管理。

结论

本研究围绕地铁辅助逆变器（SIV）输出电压异常波动故障开展系统性探索。先剖析SIV 系统工作原理，梳理输出电压波动的内外致因，奠定故障诊断理论基础；接着引入故障树分析（FTA）方法，构建以“输出电压异常波动”为顶事件的逻辑模型，揭示故障原因联系，为维修人员提供推理路径；然后提出分层级检测与诊断方法，制定标准化维修作业流程（SOP），形成故障维修策略体系，能指导维修人员定位故障根源，提升维修效率与一次修复率，保障地铁运营安全、降低维护成本。此外，研究还探讨了基于状态监测与大数据分析的智能运维模式，展望从被动维修向预测性维护转变的技术路径，为地铁车辆运维升级提供思路。综上所述，本研究为解决SIV 输出电压波动故障提供方案，贡献应对复杂系统软故障的方法论。未来研究将加强与运营现场合作，采集数据验证和优化诊断模型，开展基于人工智能的故障预测算法研究，推动地铁运维迈向智能运维新阶段。

参考文献

[1]王端.地铁车辆辅助逆变器故障分析与处理[J].产品可靠性报告，2025，（01）：108-109.

[2]李鹏飞，甄伯群，薛红艳，孟彤.某地铁车辆辅助逆变器与信号 BTM 天线电磁干扰分析及改进[J辆，2023，61（02）：111-114+122.

[3]陈帝水，罗玉德.地铁列车辅助逆变器 I GBT 失效原因分析及应对[J].机电信息，2022，（23）：71-73+77.

[4]徐文龙，罗国永，周帅，赵翔宇. 双能源地铁工程车辅助逆变器设计与仿真[J]. 电力机车与城轨车辆，2021，44（06）：10-15.