Pam suntikan Diesel Berkualiti Tinggi Pelocok 2425-988 Pelocok Elemen Pelocok Bahan Api Pelocok Siri 2425

Pam omboh paksi dengan plat alur segi tiga tradisional tidak dapat menghapuskan sepenuhnya denyutan tekanan yang disebabkan oleh pergantian dalam zon peralihan, dan akan menghasilkan fenomena aliran balik aliran yang jelas disebabkan oleh pengaruh pendikit.Sekiranya tiada reka bentuk subversif blok silinder atau plat injap, struktur injap salingan kawalan tekanan dicadangkan untuk disambung secara bersiri antara setiap rongga pelocok, supaya dapat menahan denyutan tekanan dalam zon peralihan, mengurangkan getaran dalam zon peralihan. , dan menghapuskan struktur alur segi tiga plat injap, untuk mengurangkan aliran balik aliran.Memandangkan diameter dan parameter lain injap salingan, didapati melalui simulasi bahawa denyutan tekanan yang dihasilkan oleh struktur dalam zon peralihan adalah hanya 2.5%, yang boleh mengurangkan denyutan tekanan pam omboh paksi secara berkesan dalam proses tinggi. dan zon peralihan tekanan rendah berbanding dengan plat injap alur segi tiga.

Mensasarkan masalah seperti bilangan sampel yang tidak mencukupi dan ciri-ciri kerosakan isyarat audio yang lemah dalam diagnosis kerosakan pam omboh, Diagnosis Kerosakan Pam Plunger Berdasarkan MTL (McL-pafd) berdasarkan isyarat audio digabungkan dengan Meta-transfer Learning (MTL) telah dicadangkan.Dalam kaedah ini, isyarat audio pam pelocok diambil sebagai sampel, dan isyarat diproses oleh bank penapis Gammatone di bawah keadaan sensor tunggal, yang boleh meningkatkan keupayaan pencirian isyarat audio dengan berkesan di bawah gangguan bunyi yang kuat. .Kemudian, digabungkan dengan pembelajaran pemindahan meta, diagnosis kesalahan pam pelocok di bawah keadaan sampel kecil boleh direalisasikan.Pada masa yang sama, mengikut keperluan sebenar diagnosis kerosakan pam plunger, kaedah ujian pembelajaran pemindahan meta dalam aplikasi diagnosis kesalahan diperbaiki, dan kelas kesalahan yang tidak diketahui boleh ditangani secara adaptif.Keputusan eksperimen menunjukkan bahawa ketepatan diagnosis McL-pafd boleh mencapai 91.41% hanya untuk kelas kesalahan yang diketahui, tetapi selepas pembelajaran penyesuaian pantas, ketepatan diagnosis McL-pafd boleh mencapai 89.64% apabila mengenal pasti kelas kesalahan yang tidak diketahui.