Pompă de injecție diesel de înaltă calitate Piston 2425-988 Element piston pentru combustibil Seria 2425

Pompa cu piston axial cu placă tradițională cu canelura triunghiulară nu poate elimina complet pulsația de presiune cauzată de comutația în zona de tranziție și va produce un fenomen evident de curgere inversă datorită influenței clapetei.În absența unui proiect subversiv al blocului cilindric sau al plăcii supapei, se propune conectarea în serie a unei structuri de supapă alternativă de control al presiunii între fiecare cavitate a pistonului, astfel încât să tamponeze pulsația presiunii în zona de tranziție, să reducă vibrația în zona de tranziție. și eliminați structura triunghiulară a canelurii plăcii supapei, astfel încât să reduceți fluxul invers.Având în vedere diametrul și alți parametri ai supapei alternative, prin simulare se constată că pulsația de presiune generată de structura în zona de tranziție este de numai 2,5%, ceea ce poate reduce efectiv pulsația de presiune a pompei cu piston axial în procesul de înaltă presiune. și zona de tranziție la presiune joasă în comparație cu placa supapei cu canelura triunghiulară.

Vizând probleme precum numărul insuficient de eșantion și caracteristicile slabe ale semnalului audio în diagnosticarea defecțiunilor pompei cu piston, O diagnosticare a defecțiunilor pompei cu piston bazată pe MTL (McL-pafd) bazată pe semnale audio combinate cu Meta-transfer Learning (MTL) a fost propus.În această metodă, semnalul audio al pompei cu piston este luat ca probă, iar semnalul este procesat de banca de filtre Gammatone în condiția unui singur senzor, care poate îmbunătăți în mod eficient capacitatea de caracterizare a semnalului audio sub interferențe puternice de zgomot. .Apoi, combinat cu învățarea meta transferului, poate fi realizată diagnosticarea defecțiunii pompei cu piston în condiția unui eșantion mic.În același timp, în funcție de nevoile reale de diagnosticare a defecțiunilor pompei cu piston, metoda de testare a învățării meta-transferului în aplicația de diagnosticare a defecțiunilor este îmbunătățită, iar clasa de defecțiuni necunoscută poate fi tratată adaptiv.Rezultatele experimentale arată că acuratețea diagnosticului McL-pafd poate ajunge la 91,41% numai pentru clasele de defecte cunoscute, dar după o învățare rapidă adaptivă, acuratețea diagnosticului McL-pafd poate ajunge la 89,64% la identificarea claselor de defecte necunoscute.