摘要：LCU是一种采用无接触控制技术的智能化电子设备,它能够直接控制并驱动外部负载,简化电路设计,同时实现复杂的逻辑计算。通过应用LCU,不仅能够缓解因机械触点故障导致的运营中断,还能显著提升城市轨道交通车辆的运行稳定性和效率。在传统的城市轨道交通车辆中,继电器被广泛用作控制核心,以实现车辆的多种功能。然而,继电器的机械触点长期地运行容易失效,这不仅降低了系统的可靠性,也对轨道交通的安全性构成了威胁。为了解决这一问题,本文提出了一种改造方案,旨在将传统的继电器控制系统升级为LCU(逻辑控制单元)系统。

摘要：提出基于分层极限学习机结合迁移学习的轴承故障诊断方法,分析其在变工况下的故障诊断效果。应用短时傅里叶变换方法生成振动信号时频图,并提取不变矩特征、灰度差分统计特征,区分不同故障时频图的形态和纹理特征。在变工况下使用动态分布自适应方法,循环迭代得到最优迁移学习参数,以减小源域和目标域的MMD距离。然后使用分层极限学习机,对迁移后的样本数据进行故障分类。结果表明,所设计的迁移学习方法具有精度高、速度快的优点,在变工况下动态分布自适应迁移学习方法的故障诊断结果优于SVM等非迁移学习的机器学习方法,分层极限学习机作为故障分类器优于KNN、BP等分类器的效果,同时基于时频图的特征提取方法改善了源域和目标域间的可迁移性。