Para abordar el problema de la redundancia de las variables características diagnósticas y la baja eficiencia en el diagnóstico de fallas en válvulas de sistemas multisplit (sistemas de flujo de refrigerante variable), se propone un modelo de diagnóstico compuesto que utiliza un algoritmo genético para buscar subconjuntos de características en el conjunto de características originales, combinado con un modelo de red neuronal BP optimizado en parámetros, para la detección y diagnóstico de fallas en las válvulas multisplit. En este estudio se seleccionó un subconjunto óptimo de 18 variables características desde el conjunto original. El modelo se utilizó para detectar tres tipos de fallas: bloqueo de la válvula de expansión electrónica, fuga de la válvula de expansión electrónica y falla en la válvula de cuatro vías. Los resultados muestran que el modelo de diagnóstico compuesto mejora la tasa de detección de fallas, con un aumento del 8 % en la tasa de detección del bloqueo de la válvula de expansión electrónica, y la precisión general del diagnóstico aumentó al 99.27 %; además, el modelo compuesto mejoró significativamente la eficiencia del diagnóstico, reduciendo el tiempo de prueba en un 52.17 %, lo que indica que el modelo compuesto tiene un buen desempeño en el diagnóstico de fallas.

sistemas de flujo de refrigerante variable; detección y diagnóstico de fallas en válvulas; selección de características; algoritmo genético; red neuronal BP