Angesichts der Schwierigkeit, Kältemittel-Leckagen direkt zu messen, wurde eine Studie zur Softwaremessung von Leckagen bei Kältemitteln auf der Grundlage von Datenexploration und Schlüsselfunktionen durchgeführt. Durch die Einstufung der Bedeutung von Random Forest und des Distanz-Korrelationskoeffizienten wurden die Darstellungsmerkmale für Kältemittel-Leckagen ausgewählt und ein Softwaremessmodell auf Basis von Support Vector Regression (SVR) zur quantitativen Messung von Leckagen entwickelt. Nach Überprüfung von Leckagen bei einem Leckageversuch einer 1.440 kW Kühlmaschine mit einer Ladung von 330 kg betrugen die durchschnittlichen quadratischen Fehler (RMSE) und der durchschnittliche absolute Fehler (MAE) des auf 3 Darstellungsmerkmalen basierenden Softwaremessmodells SVR jeweils 0,844 kg und 0,734 kg, die Leistung der Softwaremessung wurde im Vergleich zu 3 anderen Teilmengen von Merkmalen erheblich verbessert.

Kältemittel-Leckagen; Merkmalsauswahl; Softwaremessung; Random Forest; Support-Vektor-Regression