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, noe 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, er testmetoden for metaoverføringslæring i feildiagnoseapplikasjonen forbedret, 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.