Otimização do nível efetivo de ruído percebido em propulsão elétrica distribuída com redes neurais e rotação diferencial de hélices

• Processo: 24/19943-7
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 31 de março de 2025
• Data de Término da vigência: 29 de junho de 2025
• Área de conhecimento: Engenharias - Engenharia Aeroespacial - Propulsão Aeroespacial
• Pesquisador responsável: Gabriel Pereira Gouveia da Silva
• Beneficiário: Gabriel Clemente Carrari
• Supervisor: Lourenco Tercio Lima Pereira
• Instituição Sede: Faculdade de Engenharia. Universidade Estadual Paulista (UNESP). Campus Experimental São João da Boa Vista. São João da Boa Vista , SP, Brasil
• Instituição Anfitriã: Delft University of Technology (TU Delft), Holanda
• Vinculado à bolsa: 24/07804-2 - Aprendizado de máquina e método de rede de vórtices para modelagem substituta em otimização multiobjetivo de asas, BP.IC
• Assunto(s): Otimização Aeroacústica
• Palavra(s)-Chave do Pesquisador: Aeroacoustics | Evotl | Optimization | Surrogate Model | Uam | Urban Air Mobility | Aeroacústica

Resumo

Estudos aeroacústicos são essenciais para o desenvolvimento de aeronaves mais silenciosas, especialmente para aplicações urbanas. O ruído das hélices é categorizado em dois principais componentes: o tonal e o de banda larga. Enquanto o componente de banda larga está relacionado a hélices pequenas e de baixo número de Reynolds, o componente tonal, caracterizado por suas frequências proeminentes, domina a pressão sonora emitida. Este último é particularmente incômodo para os seres humanos e acarreta penalidades em métricas de certificação de ruído, como o EPNdB. Embora haja pouco a ser feito para modificar a assinatura de ruído de aeronaves com um ou dois rotores, diferentes opções podem ser exploradas para o uso de propulsão elétrica distribuída. Através da operação diferencial das hélices, a assinatura de ruído pode ser significativamente alterada, mantendo o desempenho geral. Este estudo visa reduzir o nível efetivo de ruído percebido (EPNdB) de um sistema de hélices distribuídas otimizando o RPM individual de cada hélice por meio de um modelo baseado em aprendizado de máquina. A abordagem foca em deslocar as frequências tonais de cada hélice para dispersar a energia acústica em um espectro mais amplo, reduzindo assim o incômodo acústico. Para apoiar este estudo, dados experimentais de testes em túnel de vento na Universidade de Tecnologia de Delft serão usados para treinar um modelo substituto baseado em redes neurais. O modelo obtido será utilizado para prever os níveis de ruído durante a otimização das velocidades das hélices, visando reduzir o EPNdB enquanto se garantem os níveis de empuxo requeridos. Ao alcançar um equilíbrio ideal entre a redução de ruído e o desempenho aerodinâmico, essa metodologia busca avançar as tecnologias aeroacústicas e reduzir o impacto do ruído em novas aeronaves.