Cet article propose un modèle de diagnostic des pannes basé sur un réseau de neurones convolutifs, et optimise par expérience orthogonale les noyaux de convolution et le nombre de neurones d’un réseau à trois couches. Un réseau de neurones convolutifs multicouches a été entraîné avec des données expérimentales de pannes de charge de fluide frigorigène dans un système VRF multi-split graphiquement représenté, et les performances du modèle ont été évaluées. Les résultats montrent que la méthode « données graphiques - réseau de neurones convolutifs multicouches » permet de diagnostiquer efficacement les pannes de charge de fluide frigorigène dans les systèmes multi-split, avec un taux de précision maximal de 91 % pour 9 types de pannes avec 20 caractéristiques d’entrée, dépassant la précision des réseaux neuronaux BP traditionnels. Cette méthode utilise pour la première fois un réseau de neurones convolutifs pour le diagnostic de pannes de charge de fluide frigorigène dans les systèmes VRF, posant ainsi les bases pour des recherches futures.

système multi-splits ;diagnostic des pannes ;réseau de neurones convolutifs ;panne de charge de fluide frigorigène ;expérience orthogonale