Como uno de los métodos de análisis de datos multivariantes, el análisis de componentes principales (PCA) se utiliza ampliamente para diagnosticar fallas en sensores de sistemas de refrigeración y aire acondicionado. Este artículo primero combina el principio de equilibrio térmico y la lógica de control de sistemas multisplit para seleccionar 18 variables comunes de sensores en el sistema y construir un modelo de diagnóstico de fallas (FDD) de sensores multisplit (VRF). Luego, combinando los principios algorítmicos del PCA, se propone un proceso de detección y diagnóstico de fallas de sensores usando la estadística Q y la contribución Q como criterios de prueba. Posteriormente, se valida el proceso con datos medidos, introduciendo diferentes tipos y grados de fallas de sensores para analizar las características de detección y diagnóstico bajo diversas condiciones de falla. Los resultados muestran que, en general, la aplicación del PCA para la detección y diagnóstico de fallas de sensores multisplit es confiable. Sus características específicas incluyen: diferencias significativas en la eficacia de detección de fallas entre diferentes tipos de sensores bajo distintos tipos y grados de fallas; bajo condiciones de fallas con pequeñas desviaciones, la eficiencia de detección basada en PCA es baja y, para algunos sensores, la eficiencia general es baja. Dado que el diagnóstico se basa en los resultados de detección, estos métodos desempeñan un papel importante en el proceso FDD.

análisis de componentes principales;detección y diagnóstico de fallas;estadística Q;contribución Q;sensor;sistemas de aire acondicionado multisplit