Visokokakovostni bat črpalke za vbrizgavanje dizelskega goriva 2425-988 Element bata za gorivo serije 2425

Aksialna batna črpalka s tradicionalno ploščo s trikotnimi utori ne more popolnoma odpraviti pulziranja tlaka, ki ga povzroča komutacija v prehodnem območju, in bo povzročila očiten pojav povratnega toka zaradi vpliva dušenja. V odsotnosti subverzivne zasnove cilindričnega bloka ali ventilske plošče je predlagana struktura batnega ventila za krmiljenje tlaka zaporedno povezana med vsako votlino bata, tako da se ublaži pulziranje tlaka v prehodnem območju, zmanjšajo vibracije v prehodnem območju , in odstranite trikotno strukturo utorov ventilske plošče, da zmanjšate povratni tok. Glede na premer in druge parametre batnega ventila je s simulacijo ugotovljeno, da je pulziranje tlaka, ki ga ustvari struktura v prehodnem območju, le 2,5%, kar lahko učinkovito zmanjša pulziranje tlaka aksialne batne črpalke v procesu visokega in prehodno območje nizkega tlaka v primerjavi s ploščo ventila s trikotnimi utori.

Usmerjanje k težavam, kot so nezadostno število vzorcev in šibke značilnosti napake zvočnega signala pri diagnostiki napak batne črpalke, Diagnoza napake batne črpalke na podlagi MTL (McL-pafd) na podlagi zvočnih signalov v kombinaciji z učenjem meta-prenosa (MTL) je bil predlagan. Pri tej metodi se zvočni signal batne črpalke vzame kot vzorec, signal pa obdela banka filtrov Gammatone pod pogojem enega samega senzorja, kar lahko učinkovito izboljša sposobnost karakterizacije zvočnega signala pod močnimi šumnimi motnjami. . Nato je v kombinaciji z učenjem metatransfera mogoče izvesti diagnozo napake batne črpalke pod pogojem majhnega vzorca. Hkrati je v skladu z dejanskimi potrebami diagnostike napak batne črpalke izboljšana preskusna metoda učenja meta-prenosa v aplikaciji za diagnosticiranje napak, razred neznanih napak pa je mogoče prilagoditi. Eksperimentalni rezultati kažejo, da lahko natančnost diagnoze McL-pafd doseže 91,41 % samo za znane razrede napak, vendar po hitrem prilagodljivem učenju lahko natančnost diagnoze McL-pafd doseže 89,64 % pri prepoznavanju neznanih razredov napak.