La fuite de réfrigérant est la principale cause de perte d'efficacité énergétique des systèmes de climatisation et de réfrigération. Cet article propose de manière innovante un modèle de régression semi-supervisé guidé par des informations physiques (PG-SSR), intégrant la quantité de réfrigérant en circulation calculée à partir de l'équation de conservation de l'énergie dans un réseau de neurones comme information d'orientation du modèle ; et introduit un mécanisme combiné de génération d'étiquettes pseudoétiquettes à haute confiance basé sur la divergence maximale moyenne (MMD) et le dropout MC pour la quantité de réfrigérant. Ce mécanisme permet d'augmenter et de renforcer les échantillons d'entraînement en utilisant un grand nombre de données non étiquetées, réalisant ainsi une prédiction quantitative de réfrigérant haute précision en situation d'échantillon réduit. La validation est effectuée à l'aide de données expérimentales de fuite de réfrigérant d'un climatiseur monobloc, les résultats montrent que, dans des conditions équivalentes d'échantillon réduit, le PG-SSR réduit la RMSE de 22,91 g (soit 64,48 %), le MAPE diminue de 3,86 % (soit 68,93 %) par rapport au modèle de base, avec des performances nettement supérieures, révélant ainsi l'effet synergique de l'information physique guidée sur la quantité de réfrigérant circulant et de la génération conjointement calibrée d'étiquettes pseudoétiquettes dans la reconnaissance quantitative du réfrigérant.

quantité de réfrigérant; régression semi-supervisée; information physique guidée; pseudoétiquettes