최근 몇 년간 모듈형 액체 냉각판은 선박 전자 장비 냉각 시스템에 널리 적용되고 있습니다. 냉각 공급 능력을 보장하는 동시에 액체 냉각판 표면 결로를 방지하는 것은 전자 장비의 안전한 작동에 매우 중요합니다. 본 논문에서는 다양한 냉각 조건 하에서 액체 냉각판 표면 온도의 동적 변화와 결로 현상을 실험적으로 연구하였으며, 합성 신경망(CNN)과 장단기 기억 네트워크(LSTM)를 결합한 하이브리드 모델(CNN-LSTM)을 구축하여 액체 냉각판 표면 결로 발생 가능 영역의 온도를 예측하였습니다. 결과에 따르면 결로 발생 가능 영역은 가장자리 효과의 영향을 받으며, 온도가 이슬점까지 내려간 후 실제 결로가 형성되는 과정 중에 과냉각과 결로 지연 현상이 존재합니다. 또한 CNN-LSTM 모델의 온도 예측 평균 절대 오차(MAE)는 CNN과 LSTM 대비 각각 41.7% 및 48.8% 감소하였으며, 제곱근 평균 제곱 오차(RMSE)는 각각 40.7% 및 49.1% 감소하였고, 결정 계수 R² 또한 CNN 및 LSTM 모델보다 우수하였습니다.

냉각판;결로 방지;온도 동적 변화;온도 예측