基于热力学与振动信号的 VRF 单元声纹预测的迁移学习
信号处理
2026-05-05 v1 人工智能
机器学习
摘要
双转子压缩机产生的二次谐波（2f）分量是变频冷凝系统（VRF）户外单元的主要低频噪声源，但其�幅随环境热负荷和阀门开启程度而强烈波动，导致传统基于机理的模型难以准确评估。本文提出一种基于 Domain-invariant Partial Least Squares（Di-PLS）的无监督迁移学习方法，以准确预测新条件下的 2f 噪声水平。分别构建利用热力学信号和加速度信号的预测模型，并系统比较所提 Di-PLS 方法与传统 Partial Least Squares（PLS）的泛化性能。结果表明，Di-PLS 显著优于 PLS，通过提取跨条件的公共特征并最小化源域和目标域之间的分布偏差。具体而言，基于加速度的 Di-PLS 模型表现最佳，所有测试案例的预测误差均保持在 3 dB 以内。该优势凸显了物理洞见：虽然热力学状态驱动动态变化，但结构振动与声辐射之间的关联更为直接且更强。
引用
@article{arxiv.2605.00895,
title = {Transfer Learning for Tonal Noise Prediction in VRF Units Using Thermodynamic and Vibration Signals},
author = {ZhiWei Su and Ding Wang and Yuan Guo and Yang Qiao and HongJun Cao},
journal= {arXiv preprint arXiv:2605.00895},
year = {2026}
}