Vysoko kvalitné dieselové vstrekovacie čerpadlo Plunžer 2425-988 Palivový plunžerový prvok Plunžer radu 2425

Axiálne piestové čerpadlo s tradičnou trojuholníkovou drážkovou doskou nemôže úplne eliminovať tlakovú pulzáciu spôsobenú komutáciou v prechodovej zóne a spôsobí zjavný fenomén spätného toku v dôsledku vplyvu škrtenia. Pri absencii podvratnej konštrukcie bloku valcov alebo ventilovej dosky sa navrhuje, aby bola konštrukcia vratného ventilu na riadenie tlaku zapojená do série medzi každou dutinou piestu, aby sa tlmila tlaková pulzácia v prechodovej zóne, znížili sa vibrácie v prechodovej zóne. a odstráňte štruktúru trojuholníkovej drážky ventilovej dosky, aby sa znížil spätný tok. Vzhľadom na priemer a ďalšie parametre piestového ventilu sa pomocou simulácie zistilo, že tlaková pulzácia generovaná konštrukciou v prechodovej zóne je iba 2,5 %, čo môže účinne znížiť tlakovú pulzáciu axiálneho piestového čerpadla v procese vysokej a nízkotlaková prechodová zóna v porovnaní s ventilovou doskou s trojuholníkovou drážkou.

Zameranie na problémy, ako je nedostatočný počet vzoriek a slabé poruchové charakteristiky zvukového signálu pri diagnostike porúch piestového čerpadla, Diagnostika porúch plunžerového čerpadla založená na MTL (McL-pafd) založená na zvukových signáloch v kombinácii s Meta-transfer Learning (MTL) bol navrhnutý. Pri tejto metóde sa ako vzorka berie zvukový signál piestového čerpadla a signál je spracovaný bankou filtrov Gammatone v podmienkach jedného snímača, čo môže účinne zlepšiť charakterizačnú schopnosť zvukového signálu pri silnom rušení šumom. . Potom v kombinácii s metatransferovým učením možno realizovať diagnostiku porúch piestového čerpadla v podmienkach malej vzorky. Súčasne sa podľa skutočných potrieb diagnostiky porúch piestového čerpadla zlepšuje testovacia metóda učenia meta-prenosu v aplikácii diagnostiky porúch a je možné adaptívne riešiť neznámu triedu porúch. Experimentálne výsledky ukazujú, že presnosť diagnostiky McL-pafd môže dosiahnuť 91,41 % len pre známe triedy porúch, ale po rýchlom adaptívnom učení môže presnosť diagnostiky McL-pafd dosiahnuť 89,64 % pri identifikácii neznámych tried porúch.