Sensor virtual baseado em regressão por SVM para caracterização de temperatura ambiente em ar condicionado automotivo

Abstract

É proposto nesse trabalho o desenvolvimento de um sensor virtual para realizar a caracterização da temperatura ambiente em aparelhos de ar-condicionado automotivo aplicado em ônibus elétricos quando este está operando sob condições de falha do sensor físico. Utilizando outros sensores presentes no sistema que mensuram dados de temperatura e pressão em diferentes pontos é proposto o uso de Regressão por Máquina de Vetor de Suporte para aproximar o valor do sensor de temperatura ambiente, permitindo que o sistema mantenha a operação em modo automático até que o sensor físico possa ser substituído, visando manter as características de conforto térmico e de consumo de energia. Para tanto foram realizados ensaios e aquisição de dados para treinamento do modelo de regressão e validação que totalizam cerca de 64h de operação em diferentes condições ambientais a partir dos quais obtém-se os modelos de regressão que são integrados no sistema de controle visando manter a operação. Como resultado obteve-se um modelo de regressão capaz de estimar a temperatura ambiente do sistema com erro médio quadrático de 1; 3oC2, erro médio absoluto percentual de 3; 6% e coeficiente de correlação de 0; 90. Esses resultados possibilitam manter a operação do aparelho de ar-condicionado em modo automático com capacidade de buscar características de conforto térmico e consumo de energia mesmo sob condição de falha no sensor físico. O sistema operando com o sensor virtual manteve uma temperatura ambiente média de 22; 1oC e 26; 0oC quando a temperatura objetivo foi regulada em 22oC e 26oC respectivamente, além de reduzir o consumo de energia em ao menos 15% em comparação com o modo de operação manual.

This work presents the design and application of a virtual sensor used in case of failure of the main physical sensor for temperature readings in automotive air conditioning applied to electrical buses. Using auxiliary temperature and pressure physical sensors combined with Support Vector Machine (SVM) Regression, the model of the virtual sensor is derived and prepared to be used as a redundant sensor until the broken physical sensor maintenance. Enabling the system to operate continuously and maintaining the original power and thermal comfort features until the physical sensor replacement. In total, 64 hours of training and test data involving different environmental conditions were used to generate the model that was further integrated and about 15 hours of validation data were used to evaluate the model performance. The designed virtual sensor presented a Mean Square Error (MSE) of 1; 3oC2, a Mean Absolute Percentage Error (MAPE) of 3; 6%, and a Pearson Correlation Coefficient of 0; 90 when integrated with HVAC control system. The results allows the continuous and autonomous operation of the air conditioning plant respecting the designed thermal comfort guidelines and energy consumption even when under the physical sensor failure condition reaching a mean room temperature of 22; 1oC and 26; 0oC when the objective temperature is 22oC and 26oC respectively, in addition to reducing energy consumption by at least 15% compared to manual operating mode.