Статья посвящена моделированию отказов систем холодоснабжения на основе статистики о поведении параметров. Раскрываются известные походы к построению моделей диагностирования сложных систем. Структура модели предполагает декомпозицию системы с учетом особенностей функционирования. Обучения модели построено на основе рекуррентного алгоритма, использующего априорные статистические данные о системе. В результате обучения моделируются эталонные изображения неработоспособных состояний системы. Обучение предлагается производить с использованием тригонометрического базиса. Предложен ортогональный тригонометрический базис с произвольной областью ортогональности — это инновационный подход, который может быть использован для улучшения сходимости процесса обучения моделей диагностирования. Этот метод основан на математическом аппарате функционального анализа и позволяет генерировать данные, которые могут быть использованы для обучения моделей машинного обучения. Приводится пример использования предложенного алгоритма обучения модели диагностирования системы холодоснабжения