उच्च दर्जाचे डिझेल इंजेक्शन पंप प्लंगर 2425-988 इंधन प्लंजर एलिमेंट प्लंगर 2425 मालिका

पारंपारिक त्रिकोणी ग्रूव्ह प्लेटसह अक्षीय पिस्टन पंप संक्रमण क्षेत्रामध्ये कम्युटेशनमुळे होणारे दाब स्पंदन पूर्णपणे काढून टाकू शकत नाही आणि थ्रॉटलिंगच्या प्रभावामुळे स्पष्ट प्रवाह बॅकफ्लो घटना निर्माण करेल. सिलेंडर ब्लॉक किंवा व्हॉल्व्ह प्लेटच्या विध्वंसक रचनेच्या अनुपस्थितीत, प्रत्येक प्लंजर पोकळीमध्ये दाब नियंत्रण रेसिप्रोकेटिंग व्हॉल्व्ह संरचना जोडण्याचा प्रस्ताव आहे, ज्यामुळे संक्रमण क्षेत्रामध्ये दाब स्पंदन बफर करण्यासाठी, संक्रमण झोनमधील कंपन कमी करता येईल. , आणि व्हॉल्व्ह प्लेटची त्रिकोणी खोबणीची रचना काढून टाका, जेणेकरून प्रवाहाचा बॅकफ्लो कमी होईल. रेसिप्रोकेटिंग व्हॉल्व्हचा व्यास आणि इतर पॅरामीटर्स लक्षात घेता, सिम्युलेशनद्वारे असे आढळून आले आहे की संक्रमण क्षेत्रामध्ये संरचनेद्वारे निर्माण होणारे दाब स्पंदन केवळ 2.5% आहे, जे उच्च प्रक्रियेत अक्षीय पिस्टन पंपचे दाब स्पंदन प्रभावीपणे कमी करू शकते. आणि त्रिकोणी ग्रूव्ह व्हॉल्व्ह प्लेटच्या तुलनेत कमी दाब संक्रमण क्षेत्र.

पिस्टन पंपाच्या दोष निदानामध्ये अपुरा नमुना क्रमांक आणि ऑडिओ सिग्नलची कमकुवत दोष वैशिष्ट्ये यासारख्या समस्यांवर लक्ष केंद्रित करून, मेटा-ट्रान्सफर लर्निंग (MTL) सह एकत्रित ऑडिओ सिग्नलवर आधारित MTL (McL-pafd) वर आधारित प्लंगर पंपचे दोष निदान. प्रस्तावित केले होते. या पद्धतीमध्ये, प्लंजर पंपचा ऑडिओ सिग्नल नमुना म्हणून घेतला जातो आणि एका सेन्सरच्या स्थितीत गॅमॅटोन फिल्टर बँकद्वारे सिग्नलवर प्रक्रिया केली जाते, ज्यामुळे मजबूत आवाज हस्तक्षेप अंतर्गत ऑडिओ सिग्नलची वैशिष्ट्यीकरण क्षमता प्रभावीपणे सुधारू शकते. . नंतर, मेटा ट्रान्सफर लर्निंगसह, लहान नमुन्याच्या स्थितीत प्लंजर पंपचे दोष निदान लक्षात येऊ शकते. त्याच वेळी, प्लंजर पंपच्या फॉल्ट निदानाच्या वास्तविक गरजांनुसार, फॉल्ट डायग्नोसिस ऍप्लिकेशनमध्ये मेटा-ट्रान्सफर लर्निंगची चाचणी पद्धत सुधारली जाते आणि अज्ञात दोष वर्गाला अनुकूली पद्धतीने हाताळले जाऊ शकते. प्रायोगिक परिणाम दर्शविते की McL-pafd निदानाची अचूकता केवळ ज्ञात दोष वर्गांसाठी 91.41% पर्यंत पोहोचू शकते, परंतु जलद अनुकूली शिक्षणानंतर, अज्ञात दोष वर्ग ओळखताना McL-pafd निदानाची अचूकता 89.64% पर्यंत पोहोचू शकते.