Hoge kwaliteit dieselinjectiepomp Plunger 2425-988 Brandstofplunjer Elementplunjer 2425-serie

De axiale zuigerpomp met traditionele driehoekige groefplaat kan de drukpulsatie veroorzaakt door de commutatie in de overgangszone niet volledig elimineren en zal een duidelijk terugstroomfenomeen veroorzaken als gevolg van de invloed van smoring. Bij afwezigheid van een subversief ontwerp van het cilinderblok of de klepplaat, wordt voorgesteld een drukregelende heen en weer gaande klepstructuur in serie te verbinden tussen elke plunjerholte, om de drukpulsatie in de overgangszone te bufferen en de trillingen in de overgangszone te verminderen. en elimineer de driehoekige groefstructuur van de klepplaat, om de terugstroom van de stroom te verminderen. Gegeven de diameter en andere parameters van de zuigerklep, is door simulatie gebleken dat de drukpulsatie gegenereerd door de structuur in de overgangszone slechts 2,5% bedraagt, wat de drukpulsatie van de axiale zuigerpomp tijdens het hoge proces effectief kan verminderen. en lagedrukovergangszone vergeleken met de driehoekige groefklepplaat.

Gericht op de problemen zoals onvoldoende monsteraantal en zwakke foutkenmerken van het audiosignaal bij foutdiagnose van de zuigerpomp, een foutdiagnose van de plunjerpomp op basis van MTL (McL-pafd) op basis van audiosignalen gecombineerd met Meta-transfer Learning (MTL) werd voorgesteld. Bij deze methode wordt het audiosignaal van de plunjerpomp als monster genomen en wordt het signaal verwerkt door de Gammatone-filterbank onder de voorwaarde van een enkele sensor, die het karakteriseringsvermogen van het audiosignaal bij sterke ruisinterferentie effectief kan verbeteren. . Vervolgens kan, gecombineerd met het leren van de meta-overdracht, de foutdiagnose van de plunjerpomp onder de voorwaarde van een klein monster worden gerealiseerd. Tegelijkertijd wordt, afhankelijk van de werkelijke behoeften aan foutdiagnose van de plunjerpomp, de testmethode voor meta-overdracht leren bij foutdiagnosetoepassingen verbeterd en kan de onbekende foutklasse adaptief worden aangepakt. De experimentele resultaten laten zien dat de nauwkeurigheid van de McL-pafd-diagnose alleen voor bekende foutklassen 91,41% kan bereiken, maar na snel adaptief leren kan de nauwkeurigheid van de McL-pafd-diagnose 89,64% bereiken bij het identificeren van onbekende foutklassen.