CN118159789A - 超低温制冷机诊断***、超低温制冷机及其诊断方法 - Google Patents
超低温制冷机诊断***、超低温制冷机及其诊断方法 Download PDFInfo
- Publication number
- CN118159789A CN118159789A CN202280071475.2A CN202280071475A CN118159789A CN 118159789 A CN118159789 A CN 118159789A CN 202280071475 A CN202280071475 A CN 202280071475A CN 118159789 A CN118159789 A CN 118159789A
- Authority
- CN
- China
- Prior art keywords
- refrigerator
- pressure
- amplitude
- cryogenic refrigerator
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims description 30
- 238000000034 method Methods 0.000 title claims description 16
- 238000012545 processing Methods 0.000 claims abstract description 53
- 238000004891 communication Methods 0.000 claims description 10
- 230000000737 periodic effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000007789 gas Substances 0.000 description 42
- 238000001816 cooling Methods 0.000 description 31
- 238000010586 diagram Methods 0.000 description 15
- 238000005259 measurement Methods 0.000 description 13
- 230000007423 decrease Effects 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 8
- 239000003507 refrigerant Substances 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000002595 magnetic resonance imaging Methods 0.000 description 6
- 238000009530 blood pressure measurement Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 238000005057 refrigeration Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000012631 diagnostic technique Methods 0.000 description 4
- 239000001307 helium Substances 0.000 description 4
- 229910052734 helium Inorganic materials 0.000 description 4
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000470 constituent Substances 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000011232 storage material Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000012774 diagnostic algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052797 bismuth Inorganic materials 0.000 description 1
- JCXGWMGPZLAOME-UHFFFAOYSA-N bismuth atom Chemical compound [Bi] JCXGWMGPZLAOME-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B49/00—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B9/00—Compression machines, plants or systems, in which the refrigerant is air or other gas of low boiling point
- F25B9/14—Compression machines, plants or systems, in which the refrigerant is air or other gas of low boiling point characterised by the cycle used, e.g. Stirling cycle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Devices That Are Associated With Refrigeration Equipment (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Compressors, Vaccum Pumps And Other Relevant Systems (AREA)
- Sorption Type Refrigeration Machines (AREA)
Abstract
超低温制冷机(10)的诊断***(100)具备:超低温制冷机(10),具备测定超低温制冷机(10)内的压力的压力传感器(50);运算处理装置(60),其构成为,接收表示由压力传感器(50)测定的膨胀机(14)内的压力的测定压力波形,根据测定压力波形运算出超低温制冷机(10)的驱动频率或其整数倍的频率成分的振幅;及诊断装置(70),其构成为,接收由运算处理装置(60)运算出的振幅,根据振幅对超低温制冷机(10)进行诊断。
Description
技术领域
本发明涉及一种超低温制冷机诊断***、超低温制冷机及超低温制冷机诊断方法。
背景技术
以往,关于吉福德·麦克马洪(Gifford-McMahon;GM)制冷机等超低温制冷机,已知有一种在压缩机内部测定其高压侧和低压侧的压力并控制压缩机以使它们之间的压差恒定的超低温制冷机的运行方法。
以往技术文献
专利文献
专利文献1:日本特开2013-185480号公报
发明内容
发明要解决的技术课题
通常,在超低温制冷机中,如上所述进行压力测定,但其目的大多只限于高压侧与低压侧之间的压差控制。
在现场使用超低温制冷机的过程中,由于滑动零件的磨损或消耗零件的寿命或其他理由,可能会产生制冷性能下降等故障。在产生了故障的超低温制冷机的维修或更换新品等维护结束之前,不得不停止搭载有超低温制冷机的超低温***(例如,超导机器、MRI(Magnetic Resonance Imaging:核磁共振成像)***等)的运行。在突发故障的情况下,例如安排维修服务需要时间等恢复为止所需的时间往往比较长。然而,若能够预知故障并计划性地预先应对,则能够最小化对***运行的影响。
本发明的一种实施方式的例示性目的之一在于提供一种超低温制冷机的基于压力测定的诊断技术。
用于解决技术课题的手段
根据本发明的一种实施方式,超低温制冷机诊断***具备:超低温制冷机,具备测定超低温制冷机内的压力的压力传感器;运算处理装置,其构成为,接收表示由压力传感器测定的膨胀机内的压力的测定压力波形,根据测定压力波形运算出超低温制冷机的驱动频率或其整数倍的频率成分的振幅;及诊断装置,其构成为,接收由运算处理装置运算出的振幅,根据振幅对超低温制冷机进行诊断。
根据本发明的一种实施方式,超低温制冷机诊断***具备诊断装置,所述诊断装置构成为,根据从表示超低温制冷机内的压力的测定压力波形运算出的超低温制冷机的驱动频率或其整数倍的频率成分的振幅对超低温制冷机进行诊断。
根据本发明的一种实施方式,超低温制冷机具备:压力传感器,测定超低温制冷机内的压力;及运算处理装置,其构成为,接收表示由压力传感器测定的超低温制冷机内的压力的测定压力波形,根据测定压力波形运算出超低温制冷机的驱动频率或其整数倍的频率成分的振幅。
根据本发明的一种实施方式,超低温制冷机诊断方法包括如下步骤:获取表示超低温制冷机内的压力的测定压力波形;根据测定压力波形运算出超低温制冷机的驱动频率或其整数倍的频率成分的振幅;及根据振幅对超低温制冷机进行诊断。
另外,以上构成要件的任意组合或将本发明的构成要件或表述在方法、装置、***等之间相互置换的内容也作为本发明的实施方式而有效。
发明效果
根据本发明,能够提供超低温制冷机的基于压力测定的诊断技术。
附图说明
图1是概略地表示实施方式所涉及的超低温制冷机的图。
图2是概略地表示实施方式所涉及的超低温制冷机的图。
图3是概略地表示实施方式所涉及的超低温制冷机的诊断***的框图。
图4是表示实施方式所涉及的超低温制冷机的诊断方法的流程图。
图5是表示例示性的故障模式及其诊断的图。
图6是表示例示性的故障模式及其诊断的图。
图7是表示例示性的故障模式及其诊断的图。
图8是表示例示性的故障模式及其诊断的图。
图9是表示例示性的故障模式及其诊断的图。
图10是表示例示性的故障模式及其诊断的图。
图11是用于说明实施方式所涉及的基于测定压力波形的超低温制冷机的诊断原理的图。
图12是根据测定压力波形运算出的超低温制冷机的PV线图的例子。
具体实施方式
以下,参照图式对本发明的实施方式进行详细说明。在以下说明及图式中,对相同或等同的构成要件、部件及处理标注相同的符号,并适当省略重复说明。在各附图中,为了便于说明,适当设定各部的缩尺或形状,除非另有特别说明,则其并不用于限定性解释。实施方式是例示,并不对本发明的范围做任何限定。实施方式中所记载的所有特征或其组合并非一定是发明的本质。
图1及图2是概略地表示实施方式所涉及的超低温制冷机10的图。作为一例,超低温制冷机10是二段式的吉福德·麦克马洪(Gifford-McMahon;GM)制冷机。图1表示超低温制冷机10的外观,图2表示超低温制冷机10的内部结构。
超低温制冷机10具备压缩机12和膨胀机14。压缩机12构成为从膨胀机14回收超低温制冷机10的工作气体,并使回收的工作气体升压后再度将工作气体供给至膨胀机14。工作气体又称为制冷剂气体,通常为氦气,但也可以使用适当的其他气体。
膨胀机14具备制冷机缸体16、置换器组件18及制冷机壳体20。制冷机壳体20与制冷机缸体16结合在一起,由此构成容纳置换器组件18的气密容器。另外,制冷机壳体20的内部容积还可以与压缩机12的低压侧连接从而维持在低压。
制冷机缸体16具有第1缸体16a和第2缸体16b。作为一例,第1缸体16a和第2缸体16b为具有圆筒形状的部件,第2缸体16b的直径小于第1缸体16a的直径。第1缸体16a和第2缸体16b同轴配置,第1缸体16a的下端与第2缸体16b的上端刚性连结。
置换器组件18具有第1置换器18a和第2置换器18b。作为一例,第1置换器18a和第2置换器18b为具有圆筒形状的部件,第2置换器18b的直径小于第1置换器18a的直径。第1置换器18a和第2置换器18b同轴配置。
第1置换器18a容纳于第1缸体16a中,第2置换器18b容纳于第2缸体16b中。第1置换器18a能够沿着第1缸体16a在轴向上往复移动,第2置换器18b能够沿着第2缸体16b在轴向上往复移动。第1置换器18a与第2置换器18b彼此连结在一起从而一体地移动。
在本说明书中,为了便于说明超低温制冷机10的构成要件之间的位置关系,将靠近置换器的轴向往复移动的上止点的一侧标记为“上”,将靠近下止点的一侧标记为“下”。上止点为膨胀空间的容积成为最大的置换器的位置,下止点为膨胀空间的容积成为最小的置换器的位置。在超低温制冷机10运行时,产生温度从轴向上方朝向下方下降的温度梯度,因此也可以将上侧称为高温侧,将下侧称为低温侧。
第1置换器18a容纳第1蓄冷器26。第1蓄冷器26通过在第1置换器18a的筒状的主体部中填充例如铜等金属丝网或其他适当的第1蓄冷材料而形成。第1置换器18a的上盖部及下盖部可以作为与第1置换器18a的主体部不同的部件而被提供,第1置换器18a的上盖部及下盖部可以通过紧固或焊接等适当的方法固定于主体上,由此第1蓄冷材料容纳于第1置换器18a中。
同样地,第2置换器18b容纳第2蓄冷器28。第2蓄冷器28通过在第2置换器18b的筒状的主体部中填充例如铋等非磁性蓄冷材料、HoCu2等磁性蓄冷材料或其他适当的第2蓄冷材料而形成。第2蓄冷材料可以形成为颗粒状。第2置换器18b的上盖部及下盖部可以作为与第2置换器18b的主体部不同的部件而被提供,第2置换器18b的上盖部及下盖部可以通过紧固或焊接等适当的方法固定于主体上,由此第2蓄冷材料容纳于第2置换器18b中。
置换器组件18在制冷机缸体16的内部形成上部室30、第1膨胀室32及第2膨胀室34。为了与应由超低温制冷机10进行冷却的所期望的物体或介质进行热交换,膨胀机14具备第1冷却台33和第2冷却台35。上部室30形成于第1置换器18a的上盖部与第1缸体16a的上部之间。第1膨胀室32形成于第1置换器18a的下盖部与第1冷却台33之间。第2膨胀室34形成于第2置换器18b的下盖部与第2冷却台35之间。第1冷却台33以包围第1膨胀室32的方式紧固于第1缸体16a的下部,第2冷却台35以包围第2膨胀室34的方式紧固于第2缸体16b的下部。
第1蓄冷器26通过形成于第1置换器18a的上盖部上的工作气体流路36a而与上部室30连通,并且通过形成于第1置换器18a的下盖部上的工作气体流路36b而与第1膨胀室32连通。第2蓄冷器28通过从第1置换器18a的下盖部形成至第2置换器18b的上盖部的工作气体流路36c而与第1蓄冷器26连通。并且,第2蓄冷器28通过形成于第2置换器18b的下盖部上的工作气体流路36d而与第2膨胀室34连通。
为了使第1膨胀室32、第2膨胀室34与上部室30之间的工作气流不被导入制冷机缸体16与置换器组件18之间的间隙而被导入第1蓄冷器26及第2蓄冷器28,可以设置第1密封件38a及第2密封件38b。第1密封件38a可以以配置于第1置换器18a与第1缸体16a之间的方式安装于第1置换器18a的上盖部。第2密封件38b可以以配置于第2置换器18b与第2缸体16b之间的方式安装于第2置换器18b的上盖部。
并且,膨胀机14具备压力切换阀40和驱动马达42。压力切换阀40容纳于制冷机壳体20中,驱动马达42安装于制冷机壳体20上。
如图2所示,压力切换阀40构成为,具备高压阀40a和低压阀40b,并且在制冷机缸体16内产生周期性压力变动。压缩机12的工作气体吐出口经由高压阀40a与上部室30连接,压缩机12的工作气体吸入口经由低压阀40b与上部室30连接。高压阀40a和低压阀40b构成为选择性地交替开闭(即,一个阀打开的期间另一个阀处于关闭状态)。高压(例如2~3MPa)的工作气体从压缩机12通过高压阀40a供给至膨胀机14,低压(例如0.5~1.5MPa)的工作气体从膨胀机14通过低压阀40b回收到压缩机12。为了便于理解,在图2中利用箭头表示了工作气体的流动方向。
设置驱动马达42的目的在于驱动置换器组件18往复移动。驱动马达42例如通过止转棒轭机构等运动转换机构43与置换器驱动轴44连结。与压力切换阀40同样地,运动转换机构43也容纳于制冷机壳体20中。置换器驱动轴44从运动转换机构43贯穿制冷机壳体20而向上部室30内延伸,并固定于第1置换器18a的上盖部。为了防止工作气体从上部室30向制冷机壳体20(如上所述,有时会维持于低压)泄漏,设置有第3密封件38c。第3密封件38c可以以配置于制冷机壳体20与置换器驱动轴44之间的方式安装于制冷机壳体20。
若驱动马达42被驱动,则驱动马达42的旋转输出被运动转换机构43转换为置换器驱动轴44的轴向往复移动,置换器组件18在制冷机缸体16内沿轴向往复移动。并且,驱动马达42选择性地交替开闭高压阀40a和低压阀40b的方式与这些阀连结。
在超低温制冷机10中,在压缩机12及驱动马达42进行运行时,在第1膨胀室32及第2膨胀室34中产生周期性的容积变动和与其同步的工作气体的压力变动,由此构成制冷循环,第1冷却台33及第2冷却台35被冷却至所期望的超低温。第1冷却台33例如可以被冷却至约20K~约40K的范围内的第1冷却温度。第2冷却台35可以被冷却至低于第1冷却温度的第2冷却温度(例如,约1K~约4K)。
在一种实施方式中,如图1所示,为了在超低温制冷机10中调整在压缩机12和膨胀机14中循环的工作气体的量,超低温制冷机10也可以具备气体量调整部46。气体量调整部46可以具备缓冲罐等工作气体源46a、供给阀46b及回收阀46c。在工作气体源46a中储存有压缩机12的吐出压(上述高压)和吸入压(上述低压)之间的中间压的工作气体。供给阀46b将工作气体源46a连接于连接压缩机12和膨胀机14的低压侧的配管13b上,回收阀46c将工作气体源46a连接于连接压缩机12和膨胀机14的高压侧的配管13a上。
通过打开供给阀46b并关闭回收阀46c,从工作气体源46a向低压侧的配管13b供给工作气体,能够加大在超低温制冷机10中循环的工作气体量。若循环的工作气体量增加,则高压侧的配管13a及低压侧的配管13b的压力均增加。相反,通过关闭供给阀46b并打开回收阀46c,从高压侧的配管13a向工作气体源46a回收工作气体,能够减少在超低温制冷机10中循环的工作气体量。若循环的工作气体量减少,则高压侧的配管13a及低压侧的配管13b的压力均减少。
超低温制冷机10在启动时从环境温度(例如室温)冷却至超低温(例如上述第1及第2冷却温度),然后维持在超低温,因此在相当宽的温度范围内进行动作。由于动作温度的变化,在超低温制冷机10中循环的工作气体的密度会发生变化,因此压力也会发生变化。因此,通过利用气体量调整部46增减工作气体量,能够将超低温制冷机10的高压侧及低压侧各自的压力调整为最佳。
图3是概略地表示实施方式所涉及的超低温制冷机10的诊断***100的框图。诊断***100具备压力传感器50、运算处理装置60及诊断装置70。
压力传感器50构成为,测定超低温制冷机10内的压力。例如,压力传感器50配置成测定压力切换阀40在膨胀机14内产生的周期性压力变动。如图2所示,压力传感器50例如可以设置于连接压力切换阀40和上部室30的工作气体流路36e上。如图1所示,压力传感器50可以安装于制冷机壳体20上。
因此,压力传感器50测定上部室30的周期性压力变动,并输出测定压力波形S1。测定压力波形S1表示超低温制冷机10的运行中的压力传感器50的测定值的经时变化。压力传感器50通过有线或无线方式与运算处理装置60通讯连接。
另外,压力传感器50也可以设置于制冷机缸体16上以测定制冷机缸体16内的压力(例如,第1膨胀室32或第2膨胀室34的压力)。如此,压力传感器50也能够测定压力切换阀40在膨胀机14内产生的周期性压力变动。
并且,作为其他替代例,压力传感器50也可以设置于连接压缩机12和膨胀机14的高压侧的配管13a上以测定高压侧的配管13a的压力。或者,压力传感器50也可以设置于连接压缩机12和膨胀机14的低压侧的配管13b上以测定低压侧的配管13b的压力。如此,压力传感器50也能够测定由压力切换阀40的动作引起的超低温制冷机10内的周期性压力变动,所得到的测定压力波形S1能够使用于超低温制冷机10的诊断。
运算处理装置60构成为,从压力传感器50接收测定压力波形S1并对其进行处理从而生成能够利用于超低温制冷机10的诊断的数据S2。诊断装置70构成为,接收由运算处理装置60生成的数据S2并据此对超低温制冷机10进行诊断。与超低温制冷机10的制冷机壳体20同样地,运算处理装置60和诊断装置70也配置于周围环境(例如,室温大气压环境)。
在该实施方式中,诊断装置70远离运算处理装置60而配置,并且例如通过互联网或其他适当的通信网络80与运算处理装置60通讯连接。运算处理装置60能够将所生成的数据S2输出至通信网络80,诊断装置70能够从通信网络80接收从运算处理装置60输出的数据S2。
在例示性的使用情况中,运算处理装置60也可以作为超低温制冷机10的一部分或与超低温制冷机10一同置于超低温制冷机10的用户的管理下。另一方面,诊断装置70可以置于超低温制冷机10的制造商或对超低温制冷机10进行维修等维护服务的服务提供商的管理下。
或者,运算处理装置60和诊断装置70也可以靠近配置,或者也可以合并在一起。此时,运算处理装置60和诊断装置70可以均置于超低温制冷机10的用户的管理下。
诊断装置70可以具备以视觉方式通知表示诊断结果的信息的通知单元72,通知单元72可以包括例如显示器或警告灯。通知单元72也可以通过扬声器等声音通知诊断结果。通知单元72也可以通过通信网络80向其他机器发送诊断结果。
运算处理装置60及诊断装置70的内部结构在硬件结构方面通过以计算机的CPU(Central Processing Unit:中央处理器)或存储器为代表的元件或电路来实现,在软件结构方面通过计算机程序等来实现,但在图中,适当绘制为通过它们的协作来实现的功能块。本领域技术人员应当可以理解,这些功能块可以通过硬件及软件的组合以各种形式实现。
图4是表示实施方式所涉及的超低温制冷机10的诊断方法的流程图。本方法包括如下步骤:获取表示超低温制冷机10内的压力的测定压力波形S1(S10);根据测定压力波形S1运算出对象的频率成分的振幅(S20);及根据运算出的振幅对超低温制冷机10进行诊断(S30)。
在S10中,使用压力传感器50来获取测定压力波形S1。测定压力波形S1可以在超低温制冷机10的运行中随时获取。
或者,超低温制冷机10可以具有诊断用运行模式,可以为了获取测定压力波形S1而执行该运行模式。诊断用运行模式可以在不使用搭载有超低温制冷机10的例如超导机器或MRI***等超低温制冷机利用设备的时间段(例如,夜间或该利用设备的维护作业中等)执行。在诊断用运行模式中,超低温制冷机10可以以预先确定的驱动频率运行。与此同时,在诊断用运行模式中,超低温制冷机10可以以预先确定的冷却温度运行。如此一来,能够在每次相同的运行条件下获取测定压力波形S1,从而提高诊断精度。
在S20中,使用运算处理装置60来根据测定压力波形S1运算出超低温制冷机10的驱动频率或其整数倍的频率成分的振幅。为此,运算处理装置60构成为,接收测定压力波形S1并根据测定压力波形S1运算出超低温制冷机10的驱动频率或其整数倍的频率成分的振幅。运算处理装置60可以根据测定压力波形S1至少运算出超低温制冷机10的驱动频率的振幅。
在此,超低温制冷机10的驱动频率相当于超低温制冷机10的制冷循环的每单位时间内的次数,其取决于膨胀机14的驱动马达42的运行频率或转速。驱动频率典型地为例如1Hz左右。驱动频率的值可以预先输入并存储于运算处理装置60中。运算处理装置60也可以根据测定压力波形S1求出驱动频率。
运算处理装置60可以构成为,根据测定压力波形S1针对超低温制冷机10的驱动频率及其整数倍的频率成分中的多个频率成分分别运算出振幅。运算处理装置60可以运算出选自超低温制冷机10的驱动频率的振幅、驱动频率的两倍的频率成分的振幅及驱动频率的三倍的频率成分的振幅中的至少两个振幅(例如,驱动频率及其两倍的频率成分的振幅)、或这三个振幅。
并且,运算处理装置60也可以构成为,运算出超低温制冷机10的驱动频率或其整数倍的频率成分的振幅的同时运算出测定压力波形S1的直流成分(即,测定压力波形S1的平均压力),或者,运算出测定压力波形S1的直流成分(即,测定压力波形S1的平均压力)从而代替运算出超低温制冷机10的驱动频率或其整数倍的频率成分的振幅。
运算处理装置60可以为能够执行快速傅立叶变换(Fast Fourier transform;FFT)处理的处理器,可以对测定压力波形S1适用FFT处理来运算出对象的频率成分的振幅。如此,由运算处理装置60生成的数据S2可以包含表示运算对象的频率成分的振幅及直流成分的数据。
在S30中,使用诊断装置70来根据超低温制冷机10的驱动频率或其整数倍的频率成分的振幅对超低温制冷机10进行诊断。诊断装置70构成为,接收由运算处理装置60运算出的振幅并根据振幅对超低温制冷机10进行诊断。如上所述,在诊断装置70远离运算处理装置60而配置的情况下,诊断装置70构成为通过通信网络80接收由运算处理装置60运算出的振幅。
在由运算处理装置60如上所述根据测定压力波形S1运算出了多个频率成分的情况下,诊断装置70可以构成为接收这些多个频率成分的振幅并根据多个频率成分的振幅对超低温制冷机10进行诊断。在由运算处理装置60追加运算出了测定压力波形S1的直流成分的情况下,诊断装置70可以构成为接收运算出的振幅及直流成分并根据振幅及直流成分对超低温制冷机10进行诊断。
诊断装置70可以将所获取的振幅与振幅阈值进行比较(和/或,将所获取的直流成分与其阈值进行比较),并根据比较结果对超低温制冷机10进行诊断。诊断装置70可以在振幅和/或直流成分达到了阈值时检测为超低温制冷机10出现了故障。或者,诊断装置70也可以在振幅和/或直流成分达到了阈值时预测超低温制冷机10的故障,例如可能在不久的将来会产生故障。这样的振幅和/或直流成分的阈值可以根据设计者的经验或设计者的实验或模拟试验等适当设定。
或者,诊断装置70也可以具备基于深度学习等机器学习的诊断算法,诊断算法可以构成为将所获取的振幅和/或直流成分作为输入而输出特定的诊断模式(例如,后述的诊断模式中的至少一个)的诊断结果。
在该实施方式中,诊断装置70构成为对超低温制冷机10的多个故障模式进行诊断。以下,参照图5至图10,对几个例示性的故障模式及其诊断进行说明。为了这些故障模式的诊断,运算处理装置60根据测定压力波形S1运算出超低温制冷机10的驱动频率(以下,又称为一次频率)的振幅、驱动频率的两倍的频率成分(以下,又称为二次频率)的振幅、驱动频率的三倍的频率成分(以下,又称为三次频率)的振幅及直流成分。
图5至图10中分别示出了为了证实诊断装置70能够对第1至第6故障模式进行诊断而由本发明人进行的研究结果。在图5至图10中,左侧示出了测定压力波形S1,右侧示出了对象频率成分的振幅及直流成分。用虚线表示了从正常的超低温制冷机10获取的测定压力波形S1,用实线表示了从产生了故障的超低温制冷机10(更准确而言,将正常的超低温制冷机10构成为模拟该故障模式或者使正常的超低温制冷机以模拟该故障模式的方式动作)获取的测定压力波形S1。同样地,用虚线表示了从正常的超低温制冷机10获取的振幅及直流成分,用实线表示了从产生了故障的超低温制冷机10获取的振幅及直流成分。
图5所示的第1故障模式为封入于超低温制冷机10的工作气体压力的不足。即使封入压力不足,通过压缩机12的正常的运行,也能够维持其高压侧与低压侧之间的压差。因此,第1故障模式的测定压力波形S1相对于正常时的测定压力波形S1向下方平行移动。因此,第1故障模式出现于测定压力波形S1的直流成分(DC)中。由于波形被维持,因此以一次频率为首的其他频率成分的振幅不变。
因此,针对测定压力波形S1的直流成分设定第1阈值Th1。诊断装置70将测定压力波形S1的直流成分与第1阈值Th1进行比较,根据比较结果对第1故障模式进行诊断。对于第1故障模式,诊断装置70在测定压力波形S1的直流成分超过了第1阈值Th1时判定为正常,在测定压力波形S1的直流成分低于第1阈值Th1时判定为异常。如此,诊断装置70能够检测或预测第1故障模式(即,超低温制冷机10的封入压力不足)。
图6所示的第2故障模式为由膨胀机14内的压损增加引起的冷却不足。由于压损增加,工作气体难以在膨胀机14内流动,因此与正常时的测定压力波形S1相比,第2故障模式的测定压力波形S1的高压侧的压力更高,低压侧的压力更低。即,压差扩大。受到其影响,第2故障模式出现于测定压力波形S1的一次频率的振幅中。由图可知,二次频率及三次频率的振幅不变。由于平均压力被维持,因此直流成分也不变。
因此,针对一次频率的振幅设定第2阈值Th2。诊断装置70将测定压力波形S1的一次频率的振幅与第2阈值Th2进行比较,根据比较结果对第2故障模式进行诊断。对于第2故障模式,诊断装置70在一次频率的振幅低于第2阈值Th2时判定为正常,在一次频率的振幅超过了第2阈值Th2时判定为异常。如此,诊断装置70能够检测或预测第2故障模式(即,膨胀机14内的压损增加)。
图7所示的第3故障模式为高低压窜漏。即,高低压窜漏为工作气体在膨胀机14内从高压区域向低压区域泄漏,其原因例如有膨胀机14内的密封部(例如,第3密封件38c)的劣化、在压力切换阀40由旋转阀构成的情况下在其旋转滑动面的泄漏等。高低压窜漏可能会导致超低温制冷机10的制冷能力下降。
与正常时的测定压力波形S1相比,第3故障模式的测定压力波形S1的高压侧的压力下降,低压侧的压力上升。如此,由于压差缩小,因此第3故障模式出现于测定压力波形S1的一次频率的振幅中。由图可知,二次频率及三次频率的振幅不变。由于平均压力被维持,因而直流成分也不变。
因此,针对一次频率的振幅设定第3阈值Th3。诊断装置70将测定压力波形S1的一次频率的振幅与第3阈值Th3进行比较,根据比较结果对第3故障模式进行诊断。对于第3故障模式,诊断装置70在一次频率的振幅超过了第3阈值Th3时判定为正常,在一次频率的振幅低于第3阈值Th3时判定为异常。如此,诊断装置70能够检测或预测第3故障模式(即,膨胀机14内的高低压窜漏)。
图8所示的第4故障模式为压缩机12的高压下降。可以认为这是例如由设置于压缩机12的高压侧的工作气体流路的构成要件(例如,吸附器)中的压损增加或其他异常引起的。压缩机12的高压下降也可能会导致超低温制冷机10的制冷能力下降。由于高压的下降,第4故障模式出现于测定压力波形S1的直流成分和一次频率的振幅中。由图可知,二次频率及三次频率的振幅不变。
因此,关于第4故障模式,针对测定压力波形S1的直流成分设定第4阈值Th4_1,对一次频率的振幅设定另一阈值Th4_2。诊断装置70将测定压力波形S1的直流成分与第4阈值Th4_1进行比较,将测定压力波形S1的一次频率的振幅与另一阈值Th4_2进行比较,根据这些比较结果对第4故障模式进行诊断。诊断装置70在(i)测定压力波形S1的直流成分超过第4阈值Th4_1或(ⅱ)一次频率的振幅超过阈值Th4_2中的任一者成立时判定为正常。并且,诊断装置70在测定压力波形S1的直流成分低于第4阈值Th4_1且一次频率的振幅低于阈值Th4_2时判定为异常。
如此,诊断装置70能够检测或预测第4故障模式(即,压缩机12的高压下降)。通过同时观察直流成分和一次频率的振幅,能够区分第1故障模式和第4故障模式。
图9所示的第5故障模式为压力传感器50的异常。诊断装置70可以获取根据测定压力波形S1运算出的对象频率成分的振幅的大小关系,根据该大小关系对第5故障模式进行诊断。由图可以理解,正常的超低温制冷机10具有一次频率的振幅最大、三次频率的振幅其次大、二次频率的振幅在它们中最小的倾向。相对于此,在图9所示的第5故障模式的测定压力波形S1中,作为一例,二次频率的振幅大于三次频率的振幅。因此,在产生了与正常时的振幅的大小关系「一次振幅>三次振幅>二次振幅」不同的大小关系的情况下,诊断装置70能够判断为压力传感器50异常。
图10所示的第6故障模式为马达打滑。此时,驱动马达42的旋转变得不规则,膨胀机14内的周期性压力变动也被扰乱,其结果,根据测定压力波形S1运算出的对象频率成分的振幅会下降。如图所示,不仅一次频率下降,二次频率及三次频率的振幅也下降。因此,关于第6故障模式,针对所运算出的多个频率成分分别设定阈值,诊断装置70将各频率成分的振幅与对应的阈值进行比较,根据这些比较结果对第6故障模式进行诊断。对于第6故障模式,诊断装置70可以在所有的频率成分的振幅低于各自的阈值时判定为异常,在除此以外的情况下判定为正常。
如上所述,根据实施方式,能够提供基于超低温制冷机10的压力测定的诊断技术。由于期待在超低温制冷机的驱动频率或其整数倍的频率成分中包含反映超低温制冷机10的动作及性能的信息,因此利用这样的频率成分,能够如上所述对各式各样的故障模式进行诊断。
并且,通过将测定压力波形S1加工成振幅数据,能够显著地减少使用于诊断的数据量。为了以充分的再现性表现针对一个周期的制冷循环的测定压力波形S1,需要大量的压力测定点,而振幅的值则针对一个周期的制冷循环只需要一个。因此,实施方式适合于诊断装置70远离运算处理装置60而配置的情况。通过将测定压力波形S1加工成振幅数据,能够减少通过通信网络80的从运算处理装置60向诊断装置70的通讯数据量。
假设在超低温制冷机中突然产生了故障的情况下,恢复所需的时间往往比较长。例如,若超低温制冷机的维修服务拥挤,则有可能需要等待几天以上才能结束维修。有可能会无法按照计划使***运行,成为问题。并且,在液氦等超低温制冷剂使用于冷却的***中,在超低温制冷机停止的期间,无法再冷凝制冷剂。超低温制冷机的停止期间越长,蒸发损失的制冷剂的量也越增加,有可能需要大量补充制冷剂。尤其,在制冷剂为液氦的情况下,近年来液氦的价格昂贵,因此用户的经济负担会变大。
然而,根据实施方式,能够对超低温制冷机10进行诊断,因此利用其,超低温制冷机10或搭载有超低温制冷机10的***(例如MRI***)的用户或服务提供商能够预先计划维修或更换新品等维护。通过在方便的时间设定维护,能够最小化对***运行的影响。由蒸发引起的制冷剂的损失也减少,从而也能够抑制***的运行成本。
另外,在一种实施方式中,诊断装置70也可以构成为,获取测定压力波形S1并根据测定压力波形S1对超低温制冷机10进行诊断。例如,诊断装置70可以根据测定压力波形S1对上述第3故障模式(高低压窜漏)进行诊断。
图11是用于说明实施方式所涉及的基于测定压力波形S1的超低温制冷机10的诊断原理的图。图11中示出了压力传感器50的输出(即,测定压力波形S1)。用虚线表示了从正常的超低温制冷机10获取的测定压力波形S1,用实线表示了从产生了故障的超低温制冷机10获取的测定压力波形S1。
若超低温制冷机10在某个长期间运行导致膨胀机14内的密封零件(例如,第3密封件38c)劣化,则工作气体会在该密封零件中从高压区域向低压区域泄漏,因此测定压力波形S1的峰值与正常时相比下降。超低温制冷机10的累计运行时间越长,峰值的下降量ΔS越扩大。下降量ΔS的扩大(即,内部泄漏的增加)会导致超低温制冷机10的制冷性能下降。因此,可以根据峰值的下降量ΔS对超低温制冷机10进行诊断。
并且,运算处理装置60也可以构成为,根据测定压力波形S1运算出超低温制冷机10的膨胀功(膨胀机14的PV功)。图12是根据测定压力波形S1运算出的超低温制冷机10的PV线图的例子。图12的纵轴表示压力(P),横轴表示容积(V)。用虚线表示了根据正常的超低温制冷机10的测定压力波形S1运算出的PV线图,用实线表示了根据产生了故障的超低温制冷机10的测定压力波形S1运算出的PV线图。众所周知,PV功由PV线图的面积得出。
诊断装置70可以接收由运算处理装置60运算出的PV功,并根据PV功对超低温制冷机10进行诊断。由于PV功大致很好地表示超低温制冷机10的制冷能力,因此可以为了诊断而对PV功设定阈值。诊断装置70将所获取的PV功与阈值进行比较,并根据比较结果对超低温制冷机10进行诊断。诊断装置70可以在PV功超过了阈值时判定为正常,在PV功低于阈值时判定为异常。如此,诊断装置70能够检测或预测超低温制冷机10的制冷能力下降。
以往,已尝试着通过监测超低温制冷机的冷却温度来预知超低温制冷机的故障。这基于超低温制冷机随着长期使用而变得越来越难以冷却,冷却温度可能会长期一点一点升高。然而,冷却温度不仅依赖于累计的运行时间,还依赖于向超低温部的热量输入等超低温制冷机的运行条件(存在将热量输入的增加误检测为制冷能力下降的风险)。并且,冷却温度并不只限于根据累计的运行时间而线性变化。因此,实际上,基于冷却温度的故障预知良好地发挥作用的情况受限。
相对于此,基于PV功的诊断不受来自外部的热负荷对超低温制冷机10的影响。因此,与基于冷却温度的诊断相比,能够期待进行准确的诊断。
以上,根据实施例对本发明进行了说明。本领域技术人员应当可以理解,本发明并不只限于上述实施方式,能够进行各种设计变更,可以存在各种变形例,并且这样的变形例也在本发明的范围内。在一种实施方式中进行说明的各种特征也可以应用于另一实施方式。通过组合而产生的新的实施方式兼具所组合的实施方式各自的效果。
在上述实施方式中,以GM制冷机为例进行了说明,但本发明并不只限于此。在一种实施方式中,超低温制冷机10例如也可以为苏尔威(Solvay)制冷机、斯特林制冷机、脉管制冷机等其他形式的超低温制冷机。
在上述实施方式中,以超低温制冷机10搭载于例如MRI***等超导机器上并利用于其冷却的情况为例进行了说明,但这仅为例示。在一种实施方式中,超低温制冷机10也可以搭载于例如低温泵等其他超低温机器上并利用于其冷却。实施方式所涉及的诊断技术能可以用于这样的超低温机器。
以上,使用具体的语句对本发明的实施方式进行了说明,但实施方式只不过表示本发明的原理、应用的一个侧面,在不脱离技术方案中所限定的本发明的主旨的范围内,允许存在多种变形例或配置的变更。
产业上的可利用性
本发明能够利用于超低温制冷机诊断***、超低温制冷机及超低温制冷机诊断方法的领域。
符号说明
10-超低温制冷机,14-膨胀机,40-压力切换阀,50-压力传感器,60-运算处理装置,70-诊断装置,80-通信网络,100-诊断***。
Claims (10)
1.一种超低温制冷机诊断***,其特征在于,具备:
超低温制冷机,具备测定所述超低温制冷机内的压力的压力传感器;
运算处理装置,其构成为,接收表示由所述压力传感器测定的所述超低温制冷机内的压力的测定压力波形,根据所述测定压力波形运算出所述超低温制冷机的驱动频率或其整数倍的频率成分的振幅;及
诊断装置,其构成为,接收由所述运算处理装置运算出的所述振幅,根据所述振幅对所述超低温制冷机进行诊断。
2.根据权利要求1所述的超低温制冷机诊断***,其特征在于,
所述诊断装置构成为,对所述超低温制冷机的多个故障模式进行诊断。
3.根据权利要求1或2所述的超低温制冷机诊断***,其特征在于,
所述运算处理装置构成为,根据所述测定压力波形对所述超低温制冷机的驱动频率及其整数倍的频率成分中的多个频率成分分别运算出振幅,
所述诊断装置构成为,接收由所述运算处理装置运算出的所述多个频率成分的振幅,根据所述多个频率成分的振幅对所述超低温制冷机进行诊断。
4.根据权利要求1至3中任一项所述的超低温制冷机诊断***,其特征在于,
所述运算处理装置构成为,运算出所述测定压力波形的直流成分,
所述诊断装置构成为,接收由所述运算处理装置运算出的所述振幅及所述直流成分,根据所述振幅及所述直流成分对所述超低温制冷机进行诊断。
5.根据权利要求1至4中任一项所述的超低温制冷机诊断***,其特征在于,
所述运算处理装置构成为,根据所述测定压力波形运算出所述超低温制冷机的膨胀功。
6.根据权利要求1至5中任一项所述的超低温制冷机诊断***,其特征在于,
所述诊断装置远离所述运算处理装置而配置,并且构成为,通过通信网络接收由所述运算处理装置运算出的所述振幅。
7.根据权利要求1至6中任一项所述的超低温制冷机诊断***,其特征在于,
所述超低温制冷机具备膨胀机及以在所述膨胀机内产生周期性压力变动的方式进行动作的压力切换阀,所述压力传感器配置成测定在所述膨胀机内产生的所述周期性压力变动。
8.一种超低温制冷机诊断***,其特征在于,
具备诊断装置,所述诊断装置构成为,根据从表示超低温制冷机内的压力的测定压力波形运算出的所述超低温制冷机的驱动频率或其整数倍的频率成分的振幅对所述超低温制冷机进行诊断。
9.一种超低温制冷机,其特征在于,具备:
压力传感器,测定超低温制冷机内的压力;及
运算处理装置,其构成为,接收表示由所述压力传感器测定的所述超低温制冷机内的压力的测定压力波形,根据所述测定压力波形运算出超低温制冷机的驱动频率或其整数倍的频率成分的振幅。
10.一种超低温制冷机诊断方法,其特征在于,包括如下步骤:
获取表示超低温制冷机内的压力的测定压力波形;
根据所述测定压力波形运算出所述超低温制冷机的驱动频率或其整数倍的频率成分的振幅;及
根据所述振幅对所述超低温制冷机进行诊断。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021-191466 | 2021-11-25 | ||
JP2021191466 | 2021-11-25 | ||
PCT/JP2022/039684 WO2023095514A1 (ja) | 2021-11-25 | 2022-10-25 | 極低温冷凍機診断システム、極低温冷凍機および極低温冷凍機診断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118159789A true CN118159789A (zh) | 2024-06-07 |
Family
ID=86539338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280071475.2A Pending CN118159789A (zh) | 2021-11-25 | 2022-10-25 | 超低温制冷机诊断***、超低温制冷机及其诊断方法 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN118159789A (zh) |
TW (1) | TWI822479B (zh) |
WO (1) | WO2023095514A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8794016B2 (en) * | 2008-08-14 | 2014-08-05 | Raytheon Company | Monitoring the health of a cryocooler |
EP2518456A1 (en) * | 2011-04-29 | 2012-10-31 | ABB Technology AG | Method for monitoring demagnetization |
US8538626B2 (en) * | 2011-09-15 | 2013-09-17 | General Electric Company | Systems and methods for diagnosing an engine |
JP5868224B2 (ja) | 2012-03-07 | 2016-02-24 | 住友重機械工業株式会社 | クライオポンプシステム、クライオポンプシステムの運転方法、及び圧縮機ユニット |
JP7233955B2 (ja) * | 2019-02-19 | 2023-03-07 | 住友重機械工業株式会社 | 極低温冷凍機、極低温冷凍機診断装置および極低温冷凍機診断方法 |
CN114585867B (zh) * | 2019-10-15 | 2023-08-15 | 住友重机械工业株式会社 | 超低温制冷机、超低温制冷机的诊断装置及诊断方法 |
-
2022
- 2022-10-25 WO PCT/JP2022/039684 patent/WO2023095514A1/ja active Application Filing
- 2022-10-25 CN CN202280071475.2A patent/CN118159789A/zh active Pending
- 2022-11-23 TW TW111144732A patent/TWI822479B/zh active
Also Published As
Publication number | Publication date |
---|---|
TWI822479B (zh) | 2023-11-11 |
WO2023095514A1 (ja) | 2023-06-01 |
TW202323667A (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101595437B1 (ko) | 냉각시스템의 감시방법 및 냉각시스템 | |
CN111579258B (zh) | 超低温制冷机、超低温制冷机的诊断装置及诊断方法 | |
WO2021075274A1 (ja) | 極低温冷凍機、極低温冷凍機の診断装置および診断方法 | |
US7490473B2 (en) | System and method for predicting component failures in magnetic resonance imaging machine | |
JP4686572B2 (ja) | クライオポンプ、真空排気システム、及びその診断方法 | |
JP6180349B2 (ja) | 極低温冷凍機および極低温冷凍機の制御方法 | |
CN118159789A (zh) | 超低温制冷机诊断***、超低温制冷机及其诊断方法 | |
JP4472715B2 (ja) | 極低温冷凍機 | |
KR20240113896A (ko) | 극저온냉동기진단시스템, 극저온냉동기 및 극저온냉동기진단방법 | |
JP2021534364A (ja) | ノイズ低減方法 | |
JP2004020029A (ja) | 冷凍機の異常診断装置及び異常診断方法 | |
US20230228472A1 (en) | Cryocooler and monitoring method for cryocooler | |
WO2022112903A1 (en) | Monitoring the performance of a cryopump | |
US20240142149A1 (en) | Cryocooler and method for operating cryocooler | |
CN116584180A (zh) | 超低温制冷机及热量计 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |