Kiváló minőségű dízel befecskendező szivattyú dugattyú 2425-988 üzemanyag dugattyú elem dugattyú 2425 sorozat

A hagyományos háromszög hornyos lemezes axiális dugattyús szivattyú nem tudja teljesen kiküszöbölni az átmeneti zónában a kommutáció okozta nyomáspulzációt, és a fojtás hatására nyilvánvaló áramlási visszaáramlási jelenséget produkál. A hengerblokk vagy a szeleplemez felforgató kialakításának hiányában javasolt egy nyomásszabályozó dugattyús szelepszerkezetet sorba kötni az egyes dugattyúüregek közé, hogy pufferelje a nyomáspulzációt az átmeneti zónában, és csökkentse a vibrációt az átmeneti zónában. , és távolítsa el a szeleplemez háromszög alakú hornyos szerkezetét, hogy csökkentse az áramlás visszaáramlását. Tekintettel a dugattyús szelep átmérőjére és egyéb paramétereire, szimulációval megállapítható, hogy az átmeneti zónában a szerkezet által keltett nyomáspulzáció mindössze 2,5%, ami hatékonyan csökkentheti az axiális dugattyús szivattyú nyomáspulzációját a nagy nyomás alatt. és alacsony nyomású átmeneti zóna a háromszög hornyú szeleplemezhez képest.

Olyan problémákra törekszik, mint például az elégtelen mintaszám és az audiojel gyenge hibajellemzői a dugattyús szivattyú hibadiagnózisában, A dugattyús szivattyú hibadiagnózisa MTL-en (McL-pafd) a metatranszfer tanulással (MTL) kombinált audiojelek alapján. javasolták. Ennél a módszernél a dugattyús pumpa hangjelét veszik mintaként, és a jelet a Gammatone szűrőbank dolgozza fel egyetlen érzékelővel, ami hatékonyan javíthatja az audiojel karakterizálási képességét erős zajos interferencia mellett. . Ezután a metatranszfer tanulással kombinálva megvalósítható a dugattyús szivattyú hibadiagnózisa kis minta esetén. Ugyanakkor a dugattyús szivattyú hibadiagnózisának tényleges igényeinek megfelelően a metatranszfer tanulás vizsgálati módszere javul a hibadiagnosztikai alkalmazásban, és az ismeretlen hibaosztály adaptívan kezelhető. A kísérleti eredmények azt mutatják, hogy a McL-pafd diagnosztika pontossága csak az ismert hibaosztályok esetén érheti el a 91,41%-ot, de gyors adaptív tanulás után a McL-pafd diagnosztika pontossága elérheti a 89,64%-ot ismeretlen hibaosztályok azonosításakor.