制冷空调系统的故障检测与诊断对提高系统运行稳定性、经济性和安全性等具有重要实际意义,近年来基于数据驱动的故障检测与诊断方法的应用越来越广泛。本文利用多联机系统制冷剂充注量在正常和故障条件下的实验数据进行故障检测与诊断研究。本研究首先对多联机系统制冷剂充注量故障的产生机理和实验系统进行了分析,并详细介绍了原始数据的结构和故障检测与诊断流程。采用相关性分析和变量重要性排序等统计方法进行变量选取,结果表明,对于原始数据集中的18个变量,共有7个变量对模型的影响较小且影响系统冗余,不需要参与建模。采用支持向量机算法,利用剩余11个变量的数据建立故障检测与诊断模型,首先采用默认参数(C=1,gamma=0.09)进行计算,结果显示,模型对训练集和测试集数据的故障检测与诊断准确率分别为88.17%、87.79%。为了进一步优化模型,提高准确率,使用网格搜索和十折交叉验证方法对模型参数C和gamma进行寻优,得到的最优参数分别为C=1000,gamma=0.25,再使用最优参数进行建模,结果显示,最优模型对训练集和测试集数据的故障检测与诊断准确率分别为99.75%、99.05%,与优化前的结果相比,模型准确率提高了超过10%,模型性能达到最佳,同时也验证了参数寻优结果的正确性。另外,为了提高故障检测与诊断模型的适用性并实现在线运行,开发图形用户界面,在数据预览界面中可以导入数据、查看原始数据和变量基本信息等。在支持向量机建模界面中,可以通过设置相应的模型参数实现模型的训练和测试,训练和测试的准确率、混淆矩阵直接显示在界面中,同时,还可以将结果保存到本地磁盘。多联机制冷剂充注量故障检测与诊断的界面开发,为进一步进行多联机系统其它故障和并发故障的界面实现提供研究基础。