Este artículo propone un modelo de diagnóstico de fallas basado en redes neuronales convolucionales, y optimiza mediante experimentos ortogonales los núcleos de convolución y el número de neuronas en una red de tres capas. Se entrenó una red neuronal convolucional multicapa con datos experimentales de fallas en la carga de refrigerante de un sistema VRF multizona graficado, y se evaluó el desempeño del modelo en el diagnóstico de fallas. Los resultados muestran que el método "datos gráfico-red neuronal convolucional multicapa" puede diagnosticar efectivamente fallas en la carga de refrigerante en sistemas multisplit, con una tasa máxima de precisión general del 91% para 9 tipos de fallas al usar 20 características de entrada, superando la precisión de las redes neuronales BP tradicionales. Este método utiliza por primera vez redes neuronales convolucionales para el diagnóstico de fallas en la carga de refrigerante en sistemas VRF, sentando una base para la expansión de investigaciones relacionadas.

sistema multisplit; diagnóstico de fallas; redes neuronales convolucionales; fallas en la carga de refrigerante; experimento ortogonal