Nos últimos anos, as placas de resfriamento líquido modulares têm sido amplamente aplicadas nos sistemas de dissipação de calor de equipamentos eletrônicos navais. Garantir a capacidade de resfriamento enquanto se previne a condensação na superfície da placa de resfriamento líquido é crucial para a operação segura dos equipamentos eletrônicos. Este estudo experimental investigou as variações dinâmicas da temperatura da superfície da placa de resfriamento líquido e o fenômeno de condensação sob diferentes condições de resfriamento, e estabeleceu um modelo híbrido baseado em rede neural convolucional (CNN) e rede de memória de longo curto prazo (LSTM) (CNN-LSTM) para prever a temperatura das áreas suscetíveis à condensação na superfície da placa. Os resultados mostram que as áreas suscetíveis à condensação são influenciadas pelo efeito de borda, e que no processo em que a temperatura cai até o ponto de orvalho até a condensação real, existem fenômenos de superaquecimento e atraso na condensação. Ao mesmo tempo, o erro absoluto médio (MAE) das previsões de temperatura do modelo CNN-LSTM foi reduzido em 41,7% e 48,8% em comparação com CNN e LSTM, respectivamente; o erro quadrático médio (RMSE) foi reduzido em 40,7% e 49,1%, respectivamente; e o coeficiente de determinação R² também foi melhor do que os modelos CNN e LSTM.

Placa de resfriamento;Prevenção de condensação;Variação dinâmica da temperatura;Previsão de temperatura