पारम्परिक त्रिकोणीय ग्रूभ प्लेट भएको अक्षीय पिस्टन पम्पले ट्रान्जिसन जोनमा कम्युटेशनको कारणले गर्दा हुने दबाब पल्सेसनलाई पूर्ण रूपमा हटाउन सक्दैन, र थ्रोटलिंगको प्रभावको कारणले स्पष्ट प्रवाह ब्याकफ्लो घटना उत्पन्न गर्दछ।सिलिन्डर ब्लक वा भल्भ प्लेटको विध्वंसक डिजाइनको अनुपस्थितिमा, ट्रान्जिसन जोनमा प्रेसर पल्सेसन बफर गर्न, ट्रान्जिसन जोनमा कम्पन कम गर्नको लागि प्रत्येक प्लन्जर क्याभिटीको बीचमा एक प्रेशर कन्ट्रोल रेसिप्रोकेटिङ भल्भ संरचनालाई श्रृंखलामा जोड्न प्रस्ताव गरिएको छ। , र भल्भ प्लेटको त्रिकोणीय नाली संरचना हटाउनुहोस्, ताकि प्रवाह ब्याकफ्लो कम गर्नुहोस्।पारस्परिक भल्भको व्यास र अन्य प्यारामिटरहरूलाई ध्यानमा राख्दै, यो सिमुलेशन मार्फत फेला परेको छ कि ट्रान्जिसन जोनमा संरचना द्वारा उत्पन्न दबाव पल्सेशन मात्र 2.5% हो, जसले प्रभावकारी रूपमा उच्च प्रक्रियामा अक्षीय पिस्टन पम्पको दबाब पल्सेशन कम गर्न सक्छ। र कम दबाव संक्रमण क्षेत्र त्रिकोणीय नाली भल्भ प्लेट संग तुलना।

लगिङमा प्रयोग हुने प्लङ्गर रबर कलेक्टरको कार्यसम्पादनलाई प्रभावकारी रूपमा सुधार गर्न, प्लन्जर रबर कलेक्टरको संरचनात्मक मापदण्डहरूको अनुकूलन विधि अध्ययन गरिएको थियो।सर्वप्रथम, इलास्टोमेरिक इलास्टोमेरिक विस्तारको एक सीमित विरूपण संयन्त्र मोडेल स्थापित गरिएको थियो, र आन्तरिक दबाव र इलास्टोमेरिक इलास्टोमेरिक विस्तारको प्रमुख विस्तार बीचको सम्बन्धलाई विश्लेषण गरिएको थियो।त्यसपछि, रबर लोचदार भागहरूको सीमित विकृति संयन्त्रको आधारमा, तरल संरचना युग्मन सिमुलेशन मोडेल निर्माण गरिन्छ, र रबर लोचदार भागहरूको प्रभावकारी कारकहरू निर्धारण गरिन्छ: रबर लोचदार भागहरूको मोटाई, अक्षीय लम्बाइ र कठोरता।यसबाहेक, रबर लोचदार भागहरूको प्रदर्शन र अप्टिमाइजेसन उद्देश्यहरूको रूपमा आन्तरिक तरलको मात्राको साथ, रबर लोचदार भागहरूको संरचनात्मक प्यारामिटरहरू अनुकूलन र समाधान गर्न डबल लुकेको तह बीपी नेटवर्क मोडेल स्थापना गरिएको थियो, र रबर लोचदार भागहरूको इष्टतम संरचनात्मक प्यारामिटर संयोजन। प्राप्त गरिएको थियो: कठोरता 43HA, मोटाई 4mm र अक्षीय लम्बाइ 25 सेमी, अनुकूलित रबर लोचदारले रबर कलेक्टरको समग्र प्रदर्शनलाई धेरै सुधार गर्दछ, यसको प्रवाह प्रदर्शन 57.69% 6 ले बढ्यो, इंजेक्शन पोर्ट दबाव 20% ले घट्यो, तरल मात्रा रबर लोचमा 25% ले बढ्यो, डबल लुकेको तहको BP प्यारामिटर अप्टिमाइजेसन मोडेलको अधिकतम भविष्यवाणी त्रुटि मात्र 7% 6 हो, त्रुटि दर कम छ, र डाटा फिटिंग डिग्री राम्रो छ।पछिको अनुकूलन डिजाइनको लागि सैद्धान्तिक समर्थन प्रदान गर्नुहोस्।