摘要
냉매 누출은 냉방 및 공조 시스템 에너지 효율 손실의 주요 고장 원인입니다. 본 논문에서는 물리 정보가 유도하는 반감독 회귀 모델(PG-SSR)을 혁신적으로 제안하였으며, 에너지 보존 방정식으로 계산된 냉매 순환량을 신경망에 모델의 유도 정보로 내장하였습니다; 또한 최대 평균 차이(MMD)와 MC 드롭아웃 냉매량 가짜 라벨 공동 생성 메커니즘을 도입하여 높은 신뢰도의 라벨을 생성하고, 다량의 미표시 데이터 정보를 활용하여 학습 샘플을 확장 및 강화하여 소량 샘플 상황에서 냉매 정밀 정량 예측을 실현하였습니다. 1대 분리형 에어컨 냉매 누출 실험 데이터를 사용하여 검증한 결과, 동일한 소량 샘플 조건에서 PG-SSR은 기준 모델 대비 RMSE를 22.91g, 64.48% 감소시키고 MAPE를 3.86%, 68.93% 감소시키는 성능 향상을 보였으며, 냉매 순환량 물리 정보 유도 및 공동 보정 가짜 라벨 생성이 냉매량 식별에서의 시너지 효과를 드러냈습니다.
关键词
냉매량; 반감독 회귀; 물리 정보 유도; 가짜 라벨