Эффективная диагностика неисправностей системы кондиционирования метро имеет решающее значение для снижения энергопотребления и обеспечения комфорта пассажиров. В данной статье предложен метод неконтролируемого трансферного обучения на основе доменно-противодействующей нейронной сети (DANN) для диагностики неисправностей с учетом значительных различий в распределении характеристик и сложности неисправностей при работе метро кондиционера. Собраны данные о трех одиночных неисправностях (накипь на конденсаторе, накипь в вентиляционной системе и утечка хладагента) и трех комбинациях одиночных неисправностей на многофункциональном испытательном вагоне. Валидация трансферного обучения проведена при различных рабочих условиях и частотах компрессора, точность диагностики одиночных неисправностей составила 97,30%~98,90%, точность диагностики совмещенных неисправностей — 77,80%~86,70%. Использованы нелинейное снижение размерности UMAP и интерпретируемый инструмент SHAP для исследования глубинных причин, по которым точность диагностики совмещенных неисправностей ниже, чем одиночных. По сравнению с двумя другими моделями трансферного обучения колебания точности у DANN значительно меньше. При диагностических задачах с большими различиями в распределении характеристик амплитуда колебаний точности составила всего 1%, при перекрытии характеристик совмещенных неисправностей сохранялась высокая точность диагностики.

кондиционирование метро;диагностика неисправностей;трансферное обучение;доменно-противодействующая нейронная сеть