최근 몇 년간 모듈형 액체 냉각판은 선박 전자 장비의 냉각 시스템에서 널리 사용되고 있다. 냉각 능력을 보장하면서 액체 냉각판 표면의 결로를 방지하는 것은 전자 장비의 안전한 작동에 매우 중요하다. 본 논문에서는 다양한 냉각 조건에서 액체 냉각판 표면 온도의 동적 변화와 결로 현상을 실험적으로 연구하였고, 합성곱 신경망(CNN)과 장단기 기억 네트워크(LSTM)를 결합한 혼합 모델(CNN-LSTM)을 구축하여 결로 발생이 쉬운 영역의 온도를 예측하였다. 결과는 결로 발생이 쉬운 영역이 모서리 효과의 영향을 받으며, 온도가 이슬점까지 내려간 후 실제 결로가 발생하는 과정에서 과냉각 및 결로 지연 현상이 있음을 보여준다. 또한 CNN-LSTM 모델의 온도 예측값 평균 절대 오차(MAE)는 CNN 및 LSTM과 비교하여 각각 41.7% 및 48.8% 감소하였고, 평균 제곱근 오차(RMSE)는 각각 40.7% 및 49.1% 감소하였으며, 결정 계수 R² 역시 CNN 및 LSTM 모델보다 우수하였다.

냉각판;결로 방지;온도 동적 변화;온도 예측