Predictor neuroborroso de carga de refrigerante en sistema de frio industrial
DOI:
https://doi.org/10.64117/simposioscea.v2i3.252Palabras clave:
Detección de fallos, diagnósticos de fallos, lógica borrosa, sistemas HVAC, Mantenimiento predictivoResumen
Este trabajo presenta un predictor de sub-carga de refrigerante en unidades de techo (RTU) para sistemas de climatización industrial y comercial, basado en un sistema de inferencia neuro-borroso adaptativo (ANFIS). Las entradas del modelo proceden de sensores accesibles nativamente mediante el protocolo Modbus, evitando instrumentación adicional. La selección
de variables se realizó mediante análisis de varianza unidireccional (ANOVA), identificando seis medidas de alta relevancia estadística. El modelo se entrenó combinando datos simulados (NREL) y de campo (Connecticut), obteniendo RMSE=15% y MAE=10,8% sobre datos reales. Los resultados preliminares demuestran la viabilidad del enfoque para la
estimación continua del nivel de carga sin sensores adicionales.
Publicado
Número
Sección
Licencia
Derechos de autor 2026 José Humberto Colunga Olea, Kumars Rouzbehi, Juan Manuel Escaño González
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los autores conservan los derechos de autor de sus trabajos y conceden a Simposios CEA el derecho de primera publicación.
Los artículos se publican bajo una licencia Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0), que permite compartir, copiar, distribuir y reutilizar el contenido para fines no comerciales, siempre que se reconozca adecuadamente la autoría y la publicación original.
Cualquier uso comercial del contenido requerirá autorización expresa de los titulares de los derechos de autor.
