La fuga de refrigerante es la principal falla que causa pérdida de eficiencia en sistemas de refrigeración y aire acondicionado. Este trabajo propone de manera innovadora un modelo de regresión semi-supervisado guiado por información física (PG-SSR), que incorpora la cantidad de ciclo del refrigerante calculada mediante la ecuación de conservación de energía en una red neuronal como información guía para el modelo; además, introduce un mecanismo combinado de generación de etiquetas pseudo con alta confianza basado en la máxima discrepancia media (MMD) y MC Dropout de la cantidad de refrigerante. Esto permite la expansión y el aumento de las muestras de entrenamiento utilizando gran cantidad de datos no etiquetados, logrando una predicción cuantitativa precisa del refrigerante en escenarios de muestras pequeñas. Se validó con datos experimentales de fuga de refrigerante de un aire acondicionado tipo split, mostrando que bajo las mismas condiciones de pequeñas muestras, PG-SSR redujo el RMSE en 22.91 g (64.48%) y el MAPE en 3.86% (68.93%) en comparación con el modelo de referencia, con un rendimiento significativamente superior, revelando el efecto sinérgico de la guía de información física del ciclo de refrigerante y la generación calibrada conjunta de etiquetas pseudo en la identificación de la cantidad de refrigerante.

cantidad de refrigerante; regresión semi-supervisada; guía de información física; etiquetas pseudo