Este artículo aborda el problema de la concurrencia de múltiples fallas que pueden ocurrir en el funcionamiento real de sistemas multisplits. Se propone una estrategia de diagnóstico de múltiples fallas que combina el Análisis Discriminante Lineal (LDA) y el algoritmo de Bosques Aleatorios (RF). Tras completar la identificación del tipo de falla, se selecciona de manera adaptativa el mejor modelo de diagnóstico detallado según el tipo de falla, para diagnosticar aún más el nivel o la causa de la falla. Primero, bajo diferentes condiciones de refrigeración y calefacción, se introducen fallas en la válvula de cuatro vías, en la válvula de expansión electrónica y en la carga de refrigerante, y los datos se dividen en conjuntos de entrenamiento y prueba en una proporción de 7:3. Se utiliza el conjunto de entrenamiento para establecer un modelo de identificación del tipo de falla basado en el algoritmo RF; luego, se utiliza el método LDA para reducir la dimensionalidad de las características de tres tipos de fallas en el conjunto de entrenamiento, y se establece un modelo de diagnóstico detallado con el conjunto reducido; finalmente, los datos de las muestras del conjunto de prueba, tras la identificación del tipo de falla, se ingresan adaptativamente al mejor modelo de diagnóstico detallado según el resultado de la identificación. Los resultados muestran que la precisión del modelo de identificación del tipo de falla en el conjunto de prueba alcanza el 99,99 %, y la precisión del diagnóstico detallado de los tres tipos de fallas es del 96,12 %, 100 % y 97,44 % respectivamente, lo que indica que esta estrategia puede completar bien la tarea de diagnóstico de múltiples tipos de fallas en sistemas multisplits.

multisplits; identificación de fallas; diagnóstico detallado; bosques aleatorios; LDA