Høykvalitets dieselinjeksjonspumpe Stempel 2425-988 Drivstoffstempelelement Stempel 2425-serien

Den aksiale stempelpumpen med tradisjonell trekantet sporplate kan ikke helt eliminere trykkpulsasjonen forårsaket av kommuteringen i overgangssonen, og vil gi åpenbare tilbakestrømningsfenomener på grunn av påvirkning av struping. I fravær av subversiv utforming av sylinderblokk eller ventilplate, foreslås en trykkkontroll frem- og tilbakegående ventilstruktur koblet i serie mellom hvert stempelhulrom, for å buffere trykkpulsasjonen i overgangssonen, redusere vibrasjonen i overgangssonen , og eliminere den trekantede sporstrukturen til ventilplaten, for å redusere tilbakestrømningen. Gitt diameteren og andre parametere til den frem- og tilbakegående ventilen, er det funnet gjennom simulering at trykkpulsasjonen generert av strukturen i overgangssonen bare er 2,5%, noe som effektivt kan redusere trykkpulsasjonen til den aksiale stempelpumpen i prosessen med høy og lavtrykksovergangssone sammenlignet med den trekantede sporventilplaten.

Tar sikte på problemene som utilstrekkelig prøveantall og svake feilkarakteristikk for lydsignal ved feildiagnose av stempelpumpe, A Fault Diagnosis of Plunger Pump Based on MTL (McL-pafd) basert på lydsignaler kombinert med Meta-transfer Learning (MTL) ble foreslått. I denne metoden tas lydsignalet til stempelpumpen som prøven, og signalet behandles av Gammatone-filterbanken under tilstanden til en enkelt sensor, som effektivt kan forbedre karakteriseringsevnen til lydsignalet under sterk støyinterferens . Deretter, kombinert med metaoverføringslæringen, kan feildiagnosen til stempelpumpen under betingelse av liten prøve realiseres. Samtidig, i henhold til de faktiske behovene for feildiagnose av stempelpumpe, forbedres testmetoden for metaoverføringslæring i feildiagnoseapplikasjonen, og den ukjente feilklassen kan håndteres adaptivt. De eksperimentelle resultatene viser at nøyaktigheten av McL-pafd-diagnose kan nå 91,41 % bare for kjente feilklasser, men etter rask adaptiv læring kan nøyaktigheten til McL-pafd-diagnose nå 89,64 % ved identifisering av ukjente feilklasser.