O vazamento de refrigerante é a principal falha que causa perda de eficiência energética em sistemas de refrigeração e ar condicionado. Este artigo propõe de forma inovadora um modelo de regressão semissupervisionado guiado por informações físicas (PG-SSR), incorporando a quantidade de ciclo do refrigerante calculada pela equação de conservação de energia na rede neural como informação de orientação do modelo; além disso, introduz um mecanismo conjunto de geração de rótulos pseudo com alta confiança baseado na discrepância máxima da média (MMD) e MC Dropout para a quantidade de refrigerante. Isso permite expandir e aumentar as amostras de treinamento utilizando uma grande quantidade de dados não rotulados, alcançando uma predição quantitativa precisa do refrigerante em cenários de pequena amostra. A validação foi realizada com dados experimentais de vazamento de refrigerante de um ar-condicionado split, mostrando que sob as mesmas condições de pequena amostra, o PG-SSR reduziu o RMSE em 22,91 g (64,48%) e o MAPE em 3,86% (68,93%) em comparação ao modelo de referência, com desempenho significativamente superior, revelando o efeito sinérgico da orientação de informações físicas do ciclo de refrigerante e da geração calibrada conjunta de rótulos pseudo na identificação da quantidade de refrigerante.

quantidade de refrigerante; regressão semissupervisionada; orientação de informações físicas; rótulos pseudo