Nos últimos anos, placas modulares de resfriamento líquido têm sido amplamente aplicadas em sistemas de dissipação de calor de equipamentos eletrônicos navais. Garantindo a capacidade de fornecimento de resfriamento, prevenir a condensação na superfície das placas de resfriamento líquido é crucial para a operação segura dos equipamentos eletrônicos. Este estudo experimental investigou as variações dinâmicas da temperatura da superfície das placas de resfriamento sob diferentes condições de resfriamento e o fenômeno de condensação, estabelecendo um modelo híbrido que combina uma rede neural convolucional (CNN) e uma rede de memória de longo e curto prazo (LSTM) (CNN-LSTM) para prever a temperatura das áreas propensas à condensação na superfície das placas. Os resultados mostram que as áreas propensas à condensação são influenciadas pelo efeito de borda, e que durante a descida da temperatura até o ponto de orvalho antes da condensação real, existem fenômenos de super-resfriamento e atraso na condensação. Ao mesmo tempo, o erro absoluto médio (MAE) das previsões de temperatura do modelo CNN-LSTM diminuiu 41,7% e 48,8% em comparação com os modelos CNN e LSTM, respectivamente; o erro quadrático médio da raiz (RMSE) reduziu-se 40,7% e 49,1%; e o coeficiente de determinação R² também foi superior aos modelos CNN e LSTM.

placa de resfriamento;prevenção de condensação;variação dinâmica de temperatura;previsão de temperatura