Aprendizado de máquina para desenvolvimento de modelo semi-empírico de predição de ruído de motor aeronáutico

Detalhes bibliográficos
Autor(a) principal: Lopes, Gabriela Caroline Livon
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/227940
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina. Campus Joinville. Engenharia Aeroespacial.
id UFSC_c2bf12dc38132a470d19caa4c5ef7102
oai_identifier_str oai:repositorio.ufsc.br:123456789/227940
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaLopes, Gabriela Caroline LivonCuenca, Rafael Gigena2021-09-17T20:23:41Z2021-09-17T20:23:41Z2021-09-10https://repositorio.ufsc.br/handle/123456789/227940TCC (graduação) - Universidade Federal de Santa Catarina. Campus Joinville. Engenharia Aeroespacial.O aumento do tráfego aéreo eleva o nível de ruído existente no entornos dos aeroportos, impactando a qualidade de vida da população que habita tais espaços. Nesse contexto, a predição de ruído é uma importante ferramenta de projeto preliminar de aeronaves orientado à atenuação de ruído, visando ao conforto acústico e conformidade com as normas existentes em cada país, que tem se tornado cada vez mais rígidas. Uma das principais fontes de ruído em uma aeronave durante a decolagem é o seu sistema propulsivo, sendo o motor turbo fan predominante na aviação. Com o objetivo de obter ferramentas de predição de ruído adequadas, foi proposta uma modificação da regressão utilizada por Heidmann (1979) para a predição de ruído de banda larga de conjunto rotor estator característico de turbofan. A metodologia utilizada para obter modelo de predição consistiu na aplicação de três técnicas de aprendizado de máquina (random florest, k nearest neighbors e Multi Layer Perceptron) em dados de ensaio de ruído existentes. Para a seleção de modelo utilizou-se validação cruzada e análise das métricas de erro nos modelos obtidos. Os modelos selecionados como melhores foram os seguintes: random florest com erro médio de 0.676, k nearest neighbors com erro médio de 0.56 e um modelo que utiliza Multi Layer Perceptron com erro médio de 1.286. Apesar do modelo utilizando Multi Layer Perceptron possuir um erro médio maior e ser mais caro computacionalmente que o modelo random florest e KNN, o modelo Multi Layer Perceptron foi considerado mais adequado para a predição devido à suavidade apresentada na predição de nível de pressão sonora total.The increase in air traffic raises the noise level around airports, impacting the quality of life of the population that inhabits these spaces. In this context, noise prediction is an important tool for aircraft preliminary design oriented to noise attenuation, in a manner that acoustic comfort and compliance with existing legal standards are accounted for, which is important because those standards have become increasingly restricted. One of the main sources of noise in an aircraft during takeoff is the propulsive system, being the turbofan engine the most used. To obtain adequate noise prediction tools, a modification of the regression used by Heidmann (1979) for broadband noise prediction of a turbofan rotor-stator assembly was proposed. The methodology used to obtain a new prediction model consists of the application of three machine learning techniques (random forest, k nearest neighbors and Multi Layer Perceptron) in existing engine noise data. Cross-validation and analysis of error were applied in the models obtained for model selection. The best models selected were the following: random forest with an average error of 0.676, k nearest neighbours with an average error of 0.56 and a model that uses a Multi Layer Perceptron with an average error of 1.286. Although the highest error is found on the Multi Layer Perceptron model and it has a greater computational cost than the other models, the Multi Layer Perceptron was considered more suitable for prediction due to the smoothness presented in the prediction of overall sound pressure level.46f.Joinville, SCAprendizado de máquinaAeroacústicaPredição de ruído de banda-largaPredição de ruído de motor aeronáuticoAeroacousticsMachine LearningBroadband Noise PredictionAeroEngine Noise PredictionAprendizado de máquina para desenvolvimento de modelo semi-empírico de predição de ruído de motor aeronáuticoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCLICENSElicense.txtlicense.txttext/plain; charset=utf-81383https://repositorio.ufsc.br/bitstream/123456789/227940/2/license.txt11ee89cd31d893362820eab7c4d46734MD52ORIGINALTCC.pdfTCC.pdfapplication/pdf3287401https://repositorio.ufsc.br/bitstream/123456789/227940/1/TCC.pdfbd446989c009fa58fc1a302a0f15f552MD51123456789/2279402021-09-17 17:23:41.377oai:repositorio.ufsc.br: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ório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732021-09-17T20:23:41Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Aprendizado de máquina para desenvolvimento de modelo semi-empírico de predição de ruído de motor aeronáutico
title Aprendizado de máquina para desenvolvimento de modelo semi-empírico de predição de ruído de motor aeronáutico
spellingShingle Aprendizado de máquina para desenvolvimento de modelo semi-empírico de predição de ruído de motor aeronáutico
Lopes, Gabriela Caroline Livon
Aprendizado de máquina
Aeroacústica
Predição de ruído de banda-larga
Predição de ruído de motor aeronáutico
Aeroacoustics
Machine Learning
Broadband Noise Prediction
AeroEngine Noise Prediction
title_short Aprendizado de máquina para desenvolvimento de modelo semi-empírico de predição de ruído de motor aeronáutico
title_full Aprendizado de máquina para desenvolvimento de modelo semi-empírico de predição de ruído de motor aeronáutico
title_fullStr Aprendizado de máquina para desenvolvimento de modelo semi-empírico de predição de ruído de motor aeronáutico
title_full_unstemmed Aprendizado de máquina para desenvolvimento de modelo semi-empírico de predição de ruído de motor aeronáutico
title_sort Aprendizado de máquina para desenvolvimento de modelo semi-empírico de predição de ruído de motor aeronáutico
author Lopes, Gabriela Caroline Livon
author_facet Lopes, Gabriela Caroline Livon
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Lopes, Gabriela Caroline Livon
dc.contributor.advisor1.fl_str_mv Cuenca, Rafael Gigena
contributor_str_mv Cuenca, Rafael Gigena
dc.subject.por.fl_str_mv Aprendizado de máquina
Aeroacústica
Predição de ruído de banda-larga
Predição de ruído de motor aeronáutico
Aeroacoustics
Machine Learning
Broadband Noise Prediction
AeroEngine Noise Prediction
topic Aprendizado de máquina
Aeroacústica
Predição de ruído de banda-larga
Predição de ruído de motor aeronáutico
Aeroacoustics
Machine Learning
Broadband Noise Prediction
AeroEngine Noise Prediction
description TCC (graduação) - Universidade Federal de Santa Catarina. Campus Joinville. Engenharia Aeroespacial.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-09-17T20:23:41Z
dc.date.available.fl_str_mv 2021-09-17T20:23:41Z
dc.date.issued.fl_str_mv 2021-09-10
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/227940
url https://repositorio.ufsc.br/handle/123456789/227940
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 46f.
dc.publisher.none.fl_str_mv Joinville, SC
publisher.none.fl_str_mv Joinville, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/227940/2/license.txt
https://repositorio.ufsc.br/bitstream/123456789/227940/1/TCC.pdf
bitstream.checksum.fl_str_mv 11ee89cd31d893362820eab7c4d46734
bd446989c009fa58fc1a302a0f15f552
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766804940354748416

Registros relacionados