Automated fault detection and diagnosis of airflow and refrigerant charge faults in residential HVAC systems using IoT-enabled measurements

Autor(en):	Kevwe Andrew Ejenakevwe (School of Aerospace and Mechanical Engineering, University of Oklahoma, Norman, Oklahoma, USA) Junke Wang (School of Aerospace and Mechanical Engineering, University of Oklahoma, Norman, Oklahoma, USA) Yilin Jiang (School of Aerospace and Mechanical Engineering, University of Oklahoma, Norman, Oklahoma, USA) Li Song (School of Aerospace and Mechanical Engineering, University of Oklahoma, Norman, Oklahoma, USA) Roshan L. Kini (Energy and Environment Directorate, Pacific Northwest National Laboratory, Richland, Washington, USA)
Medium:	Fachartikel
Sprache(n):	Englisch
Veröffentlicht in:	Science and Technology for the Built Environment, Oktober 2023, n. 9, v. 29
Seite(n):	1-18
DOI:	10.1080/23744731.2023.2234231

Structurae kann Ihnen derzeit diese Veröffentlichung nicht im Volltext zur Verfügung stellen. Der Volltext ist beim Verlag erhältlich über die DOI: 10.1080/23744731.2023.2234231.

Anzeige

Structurae kooperiert mit

Anzeige