في السنوات الأخيرة، تم تطبيق لوحات التبريد السائلة المعيارية على نطاق واسع في أنظمة تبريد الأجهزة الإلكترونية على السفن. وفي حين تضمن قدرة التبريد، فإن منع تكثف سطح لوحات التبريد السائلة مهم جداً لتشغيل الأجهزة الإلكترونية بأمان. تناول هذا البحث التجريبي التغيرات الديناميكية في درجة حرارة سطح لوحات التبريد السائلة وظاهرة التكثف تحت ظروف تبريد مختلفة، وأسس نموذجًا هجينًا يجمع بين الشبكة العصبية التلافيفية (CNN) وشبكة الذاكرة طويلة وقصيرة الأمد (LSTM) (CNN-LSTM) لتوقع درجة حرارة المناطق المعرضة للتكثف على سطح لوحات التبريد السائلة. أظهرت النتائج أن المناطق المعرضة للتكثف تتأثر بتأثير الحواف، وأن هناك ظاهرة التبريد الزائد وتأخير في التكثف بعد انخفاض درجة الحرارة إلى نقطة الندى قبل حدوث التكثف الفعلي. في الوقت نفسه، كانت متوسط الخطأ المطلق (MAE) لتوقعات درجة الحرارة في نموذج CNN-LSTM أقل بنسبة 41.7% و48.8% مقارنة بنموذجي CNN وLSTM على التوالي؛ وانخفض جذر متوسط مربع الخطأ (RMSE) بنسبة 40.7% و49.1% على التوالي؛ وكان معامل التحديد R² أفضل أيضًا من نماذج CNN وLSTM.

لوحة التبريد;منع التكثف;تغير ديناميكي في درجة الحرارة;تنبؤ درجة الحرارة