คุณภาพสูงดีเซลฉีดลูกสูบ 2425-988 การใช้ Plunger องค์ประกอบ Plunger 2425 Series
คำอธิบายผลิตภัณฑ์
อ้างอิง. รหัส | 2425-988 |
รหัส OE/OEM | / |
แอปพลิเคชัน | เบนซ์ |
ขั้นต่ำ | 5 ชิ้น |
การรับรอง | ISO9001 |
สถานที่กำเนิด | จีน |
บรรจุภัณฑ์ | บรรจุเป็นกลาง |
การควบคุมคุณภาพ | ทดสอบก่อนจัดส่ง 100% |
เวลานำ | 7 ~ 15 วันทำการ |
การชำระเงิน | T/T, L/C, Paypal, Western Union หรือตามความต้องการของคุณ |
โครงสร้างและหลักการทำงานของหัวฉีดน้ำมันเชื้อเพลิงเครื่องยนต์ดีเซล
ปั๊มลูกสูบตามแนวแกนที่มีแผ่นร่องสามเหลี่ยมแบบดั้งเดิมไม่สามารถกำจัดการเต้นของแรงดันที่เกิดจากการสับเปลี่ยนในเขตเปลี่ยนผ่านได้อย่างสมบูรณ์ และจะทำให้เกิดปรากฏการณ์การไหลย้อนกลับที่ชัดเจนเนื่องจากอิทธิพลของการควบคุมปริมาณ ในกรณีที่ไม่มีการออกแบบบล็อกกระบอกสูบหรือแผ่นวาล์วแบบพลิกคว่ำ โครงสร้างวาล์วลูกสูบควบคุมแรงดันถูกเสนอให้เชื่อมต่อแบบอนุกรมระหว่างช่องลูกสูบแต่ละช่อง เพื่อที่จะบัฟเฟอร์การเต้นของแรงดันในโซนเปลี่ยนผ่าน ลดการสั่นสะเทือนในโซนเปลี่ยนผ่าน และกำจัดโครงสร้างร่องสามเหลี่ยมของแผ่นวาล์ว เพื่อลดการไหลย้อนกลับ เมื่อพิจารณาจากเส้นผ่านศูนย์กลางและพารามิเตอร์อื่น ๆ ของวาล์วลูกสูบ พบว่าผ่านการจำลองว่าการเต้นของแรงดันที่สร้างโดยโครงสร้างในเขตเปลี่ยนผ่านมีเพียง 2.5% ซึ่งสามารถลดการเต้นของแรงดันของปั๊มลูกสูบตามแนวแกนในกระบวนการสูงได้อย่างมีประสิทธิภาพ และโซนเปลี่ยนผ่านแรงดันต่ำเมื่อเทียบกับแผ่นวาล์วร่องสามเหลี่ยม
มุ่งเป้าไปที่ปัญหาต่างๆ เช่น จำนวนตัวอย่างไม่เพียงพอและลักษณะข้อบกพร่องที่ไม่รุนแรงของสัญญาณเสียงในการวินิจฉัยข้อบกพร่องของปั๊มลูกสูบ การวินิจฉัยข้อบกพร่องของปั๊มลูกสูบที่ใช้ MTL (McL-pafd) โดยอิงตามสัญญาณเสียงรวมกับ Meta-transfer Learning (MTL) ถูกเสนอ ในวิธีนี้ สัญญาณเสียงของปั๊มลูกสูบจะถูกนำมาเป็นตัวอย่าง และสัญญาณจะถูกประมวลผลโดยธนาคารกรองแกมมาโทนภายใต้เงื่อนไขของเซ็นเซอร์ตัวเดียว ซึ่งสามารถปรับปรุงความสามารถในการระบุลักษณะของสัญญาณเสียงได้อย่างมีประสิทธิภาพภายใต้สัญญาณรบกวนที่รุนแรง . จากนั้น เมื่อรวมกับการเรียนรู้การถ่ายโอนเมตา ก็สามารถวินิจฉัยข้อบกพร่องของปั๊มลูกสูบภายใต้เงื่อนไขของตัวอย่างขนาดเล็กได้ ในเวลาเดียวกัน ตามความต้องการที่แท้จริงของการวินิจฉัยข้อบกพร่องของปั๊มลูกสูบ วิธีทดสอบการเรียนรู้การถ่ายโอนเมตาในแอปพลิเคชันการวินิจฉัยข้อผิดพลาดได้รับการปรับปรุง และระดับความผิดปกติที่ไม่รู้จักสามารถปรับเปลี่ยนได้ ผลการทดลองแสดงให้เห็นว่าความแม่นยำของการวินิจฉัย McL-pafd สามารถเข้าถึง 91.41% สำหรับคลาสความผิดปกติที่ทราบเท่านั้น แต่หลังจากการเรียนรู้แบบปรับตัวอย่างรวดเร็ว ความแม่นยำของการวินิจฉัย McL-pafd สามารถเข้าถึง 89.64% เมื่อระบุคลาสความผิดปกติที่ไม่ทราบ