Բարձրորակ դիզելային ներարկման պոմպ Plunger 2425-988 Fuel Plunger Element Plunger 2425 Series

Ավանդական եռանկյունաձև ակոսային թիթեղով առանցքային մխոցային պոմպը չի կարող ամբողջությամբ վերացնել ճնշման պուլսացիան, որն առաջանում է անցումային գոտում կոմուտացիայի հետևանքով, և կառաջացնի ակնհայտ հոսքի հետադարձ հոսքի երևույթ՝ շնչափողի ազդեցության պատճառով: Մխոցների բլոկի կամ փականի ափսեի դիվերսիոն նախագծման բացակայության դեպքում առաջարկվում է ճնշման վերահսկման փոխադարձ փականի կառուցվածքը հաջորդաբար միացնել մխոցի յուրաքանչյուր խոռոչի միջև, որպեսզի անցումային գոտում ճնշման իմպուլսացիան բուֆերացնի, անցումային գոտում թրթռումը նվազեցնի: և վերացնել փականի ափսեի եռանկյունաձև ակոսային կառուցվածքը, որպեսզի նվազեցնի հոսքի հետադարձ հոսքը: Հաշվի առնելով փոխադարձ փականի տրամագիծը և այլ պարամետրերը, մոդելավորման միջոցով պարզվում է, որ անցումային գոտում կառուցվածքի կողմից առաջացած ճնշման պուլսացիան կազմում է ընդամենը 2,5%, ինչը կարող է արդյունավետորեն նվազեցնել առանցքային մխոցային պոմպի ճնշման պուլսացիան բարձր գործընթացում: և ցածր ճնշման անցումային գոտի՝ համեմատած եռանկյունաձև ակոսային փականի ափսեի հետ:

Նպատակ ունենալով այնպիսի խնդիրներին, ինչպիսիք են նմուշի անբավարար քանակն ու ձայնային ազդանշանի թույլ անսարքության բնութագրերը մխոցային պոմպի անսարքության ախտորոշման ժամանակ, մխոցային պոմպի անսարքության ախտորոշումը հիմնված MTL-ի վրա (McL-pafd)՝ հիմնված աուդիո ազդանշանների վրա՝ զուգակցված Meta-transfer Learning (MTL) հետ: առաջարկվել է. Այս մեթոդով մխոցային պոմպի աուդիո ազդանշանը վերցվում է որպես նմուշ, և ազդանշանը մշակվում է Gammatone ֆիլտրի բանկի կողմից մեկ սենսորի պայմաններում, որը կարող է արդյունավետորեն բարելավել ձայնային ազդանշանի բնութագրման ունակությունը ուժեղ աղմուկի միջամտության պայմաններում: . Այնուհետև, զուգակցված մետա փոխանցման ուսուցման հետ, կարող է իրականացվել մխոցային պոմպի անսարքության ախտորոշումը փոքր նմուշի պայմաններում: Միևնույն ժամանակ, ըստ մխոցային պոմպի անսարքության ախտորոշման իրական կարիքների, կատարելագործվել է սխալների ախտորոշման կիրառման մեջ մետա-փոխանցման ուսուցման թեստային մեթոդը, և անհայտ անսարքության դասը կարող է հարմարեցվել: Փորձարարական արդյունքները ցույց են տալիս, որ McL-pafd ախտորոշման ճշգրտությունը կարող է հասնել 91,41% միայն սխալների հայտնի դասերի համար, սակայն արագ հարմարվողական ուսուցումից հետո McL-pafd ախտորոշման ճշգրտությունը կարող է հասնել 89,64% անհայտ անսարքությունների դասերի նույնականացման ժամանակ: