В последние годы модульные жидкостные охлаждающие пластины широко применяются в системах охлаждения судового электронного оборудования. Обеспечение охлаждающей способности при предотвращении конденсации на поверхности охлаждающей пластины имеет решающее значение для безопасной работы электронного оборудования. В данной статье проведено экспериментальное исследование динамических изменений температуры поверхности охлаждающей пластины и явления конденсации при различных условиях охлаждения, а также создана гибридная модель, сочетающая сверточную нейронную сеть (CNN) и сеть долгосрочной краткосрочной памяти (LSTM) (CNN-LSTM) для прогнозирования температуры в областях, склонных к конденсации на поверхности охлаждающей пластины. Результаты показали, что зоны, склонные к конденсации, подвержены краевым эффектам, а в процессе снижения температуры до точки росы и фактического образования конденсата наблюдаются явления переохлаждения и задержки конденсации. При этом средняя абсолютная ошибка (MAE) прогнозов температуры модели CNN-LSTM снизилась на 41,7% и 48,8% по сравнению с CNN и LSTM соответственно; среднеквадратическая ошибка (RMSE) уменьшилась на 40,7% и 49,1% соответственно; коэффициент детерминации R² также превзошёл модели CNN и LSTM.

Охлаждающая пластина;Антикондесат;Динамика температуры;Прогнозирование температуры