Para resolver o problema da redundância das variáveis características de diagnóstico e baixa eficiência no diagnóstico de falhas de válvulas em sistemas multisplit (sistemas de fluxo variável de refrigerante), é proposto um modelo de diagnóstico composto que utiliza um algoritmo genético para buscar subconjuntos de características no conjunto original de características, combinado com um modelo de rede neural BP otimizado por parâmetros, para detectar e diagnosticar falhas em válvulas multisplit. Neste estudo, foi selecionado um subconjunto ótimo de 18 variáveis características a partir do conjunto original. O modelo foi usado para detectar três tipos de falhas: travamento da válvula de expansão eletrônica, vazamento da válvula de expansão eletrônica e falha na válvula de quatro vias. Os resultados mostram que o modelo de diagnóstico composto melhora a taxa de detecção de falhas, com um aumento de 8% na taxa de detecção do travamento da válvula de expansão eletrônica, e a precisão geral do diagnóstico aumentou para 99,27%; o modelo composto também aumentou significativamente a eficiência do diagnóstico, reduzindo o tempo de teste em 52,17%, indicando que este modelo composto tem um bom desempenho no diagnóstico de falhas.

sistemas de fluxo variável de refrigerante; detecção e diagnóstico de falhas em válvulas; seleção de características; algoritmo genético; rede neural BP