उच्च गुणस्तरको डिजेल इन्जेक्शन पम्प प्लन्जर २४२५-९८८ फ्युल प्लन्जर एलिमेन्ट प्लन्जर २४२५ शृङ्खला
उत्पादन विवरण
सन्दर्भ। कोडहरू | २४२५-९८८ |
OE/OEM कोडहरू | / |
आवेदन | बेन्ज |
MOQ | ५ पीसीएस |
प्रमाणीकरण | ISO9001 |
उत्पत्ति स्थान | चीन |
प्याकेजिङ | तटस्थ प्याकिंग |
गुणस्तर नियन्त्रण | 100% ढुवानी अघि परीक्षण |
नेतृत्व समय | 7 ~ 15 काम दिन |
भुक्तानी | T/T, L/C, Paypal, Western Union वा तपाईंको आवश्यकता अनुसार |
डिजेल इन्जिन इन्जिन इन्जेक्टर संरचना र कार्य सिद्धान्त
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 उत्पादन 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।
पिस्टन पम्पको त्रुटि निदानमा अपर्याप्त नमूना संख्या र अडियो संकेतको कमजोर त्रुटि विशेषताहरू जस्ता समस्याहरूलाई लक्षित गर्दै, मेटा-ट्रान्सफर लर्निङ (MTL) सँग जोडिएको अडियो संकेतहरूमा आधारित MTL (McL-pafd) मा आधारित प्लन्जर पम्पको त्रुटि निदान। प्रस्ताव गरिएको थियो। यस विधिमा, प्लन्जर पम्पको अडियो संकेत नमूनाको रूपमा लिइन्छ, र सिग्नललाई एकल सेन्सरको सर्तमा Gammatone फिल्टर बैंक द्वारा प्रशोधन गरिन्छ, जसले बलियो आवाज हस्तक्षेप अन्तर्गत अडियो संकेतको विशेषता क्षमतालाई प्रभावकारी रूपमा सुधार गर्न सक्छ। । त्यसपछि, मेटा स्थानान्तरण शिक्षाको साथ संयुक्त, सानो नमूनाको अवस्था अन्तर्गत प्लन्जर पम्पको दोष निदान महसुस गर्न सकिन्छ। एकै समयमा, प्लन्जर पम्पको गल्ती निदानको वास्तविक आवश्यकता अनुसार, त्रुटि निदान अनुप्रयोगमा मेटा-स्थानान्तरण शिक्षाको परीक्षण विधि सुधारिएको छ, र अज्ञात दोष वर्गलाई अनुकूली व्यवहार गर्न सकिन्छ। प्रयोगात्मक नतिजाहरूले McL-pafd निदानको शुद्धता ज्ञात गल्ती वर्गहरूको लागि मात्र 91.41% पुग्न सक्छ, तर द्रुत अनुकूली शिक्षा पछि, अज्ञात त्रुटि वर्गहरू पहिचान गर्दा McL-pafd निदानको शुद्धता 89.64% पुग्न सक्छ।