고품질 디젤 분사 펌프 플런저 2425-988 연료 플런저 요소 플런저 2425 시리즈

전통적인 삼각형 홈 플레이트가 있는 축 피스톤 펌프는 전이 구역의 정류로 인한 압력 맥동을 완전히 제거할 수 없으며 스로틀링의 영향으로 인해 명백한 흐름 역류 현상을 생성합니다. 실린더 블록 또는 밸브 플레이트의 파괴적인 설계가 없는 경우 각 플런저 캐비티 사이에 압력 제어 왕복 밸브 구조를 직렬로 연결하여 전이 구역의 압력 맥동을 완충하고 전이 구역의 진동을 줄이도록 제안되었습니다. , 흐름 역류를 줄이기 위해 밸브 플레이트의 삼각형 홈 구조를 제거합니다. 왕복 밸브의 직경 및 기타 매개변수를 고려하면 시뮬레이션을 통해 전이 영역의 구조에 의해 생성된 압력 맥동이 2.5%에 불과하다는 것을 알 수 있으며, 이는 높은 공정에서 축 피스톤 펌프의 압력 맥동을 효과적으로 줄일 수 있습니다. 삼각형 홈 밸브 플레이트에 비해 압력 전이 영역이 낮습니다.

피스톤 펌프의 고장진단 시 샘플수 부족, 오디오 신호의 약한 고장 특성 등의 문제점을 해결하기 위해 MTL(Meta-Transfer Learning)을 결합한 오디오 신호 기반 MTL 기반 플런저 펌프 고장 진단(McL-pafd) 제안되었습니다. 이 방법에서는 플런저 펌프의 오디오 신호를 샘플로 취하고 단일 센서 조건에서 신호를 감마톤 필터 뱅크에서 처리하므로 강한 노이즈 간섭 하에서 오디오 신호의 특성화 능력을 효과적으로 향상시킬 수 있습니다. . 그런 다음 메타 전달 학습과 결합하여 작은 샘플 조건에서 플런저 펌프의 결함 진단을 실현할 수 있습니다. 동시에 플런저 펌프 결함 진단의 실제 요구에 따라 결함 진단 적용 시 메타 전이 학습 테스트 방법이 개선되고 알려지지 않은 결함 클래스를 적응적으로 처리할 수 있습니다. 실험 결과, McL-pafd 진단의 정확도는 알려진 결함 클래스에 대해서만 91.41%에 도달할 수 있지만, 빠른 적응 학습 후에는 알려지지 않은 결함 클래스를 식별할 때 McL-pafd 진단의 정확도가 89.64%에 도달할 수 있음을 보여줍니다.