Pompa Injeksi Diesel Kualitas Tinggi Plunger 2425-988 Elemen Plunger Bahan Bakar Plunger Seri 2425

Pompa piston aksial dengan pelat alur segitiga tradisional tidak dapat sepenuhnya menghilangkan denyut tekanan yang disebabkan oleh pergantian di zona transisi, dan akan menghasilkan fenomena aliran balik yang jelas karena pengaruh pelambatan.Dengan tidak adanya desain blok silinder atau pelat katup yang subversif, struktur katup bolak-balik pengatur tekanan diusulkan untuk dihubungkan secara seri antara setiap rongga pendorong, untuk menahan denyut tekanan di zona transisi, mengurangi getaran di zona transisi. , dan menghilangkan struktur alur segitiga pada pelat katup, sehingga mengurangi aliran balik.Mengingat diameter dan parameter lain dari katup bolak-balik, melalui simulasi ditemukan bahwa denyut tekanan yang dihasilkan oleh struktur di zona transisi hanya 2,5%, yang secara efektif dapat mengurangi denyut tekanan pompa piston aksial dalam proses tinggi. dan zona transisi tekanan rendah dibandingkan dengan pelat katup alur segitiga.

Bertujuan untuk mengatasi permasalahan seperti jumlah sampel yang tidak mencukupi dan lemahnya karakteristik gangguan sinyal audio dalam diagnosis kesalahan pompa piston, Diagnosis Kesalahan Pompa Plunger Berbasis MTL (McL-pafd) berdasarkan sinyal audio yang dipadukan dengan Meta-transfer Learning (MTL) diusulkan.Dalam metode ini, sinyal audio dari pompa pendorong diambil sebagai sampel, dan sinyal tersebut diproses oleh bank filter Gammatone dalam kondisi satu sensor, yang secara efektif dapat meningkatkan kemampuan karakterisasi sinyal audio di bawah gangguan kebisingan yang kuat. .Kemudian, dikombinasikan dengan pembelajaran meta transfer, diagnosis kesalahan pompa pendorong dalam kondisi sampel kecil dapat direalisasikan.Pada saat yang sama, sesuai dengan kebutuhan aktual diagnosis kesalahan pompa pendorong, metode pengujian pembelajaran meta-transfer dalam aplikasi diagnosis kesalahan ditingkatkan, dan kelas kesalahan yang tidak diketahui dapat ditangani secara adaptif.Hasil percobaan menunjukkan bahwa akurasi diagnosis McL-pafd dapat mencapai 91,41% hanya untuk kelas kesalahan yang diketahui, namun setelah pembelajaran adaptif cepat, akurasi diagnosis McL-pafd dapat mencapai 89,64% ketika mengidentifikasi kelas kesalahan yang tidak diketahui.