В последние годы модульные жидкостные охлаждающие пластины широко применяются в системах охлаждения судового электронного оборудования. При обеспечении охлаждающей способности предотвращение конденсации на поверхности охлаждающей пластины имеет ключевое значение для безопасной работы электронных устройств. В данной статье проведено экспериментальное исследование динамических изменений температуры поверхности охлаждающей пластины и явления конденсации при различных условиях охлаждения, а также создана гибридная модель, объединяющая сверточную нейронную сеть (CNN) и сеть с долгой краткосрочной памятью (LSTM) (CNN-LSTM), для прогнозирования температуры областей поверхности пластины, склонных к конденсации. Результаты показывают, что области, склонные к конденсации, подвержены влиянию краевого эффекта, а в процессе снижения температуры до точки росы и фактического образования конденсата наблюдаются явления переохлаждения и задержки конденсации. При этом средняя абсолютная ошибка (MAE) прогноза температуры модели CNN-LSTM снижена на 41,7% и 48,8% по сравнению с моделями CNN и LSTM соответственно; корень средней квадратической ошибки (RMSE) снижен на 40,7% и 49,1%; коэффициент детерминации R² также лучше, чем у моделей CNN и LSTM.

охлаждающая пластина;предотвращение конденсации;динамические изменения температуры;прогнозирование температуры