Avaliação do ruído tonal de hélices por meio de modelos semi-analíticos acoplados a redes neurais

Abstract

Historicamente, o ruído gerado por hélices tem sido uma preocupação constante da comunidade científica, especialmente em regiões com intenso tráfego aéreo, como aeroportos e centros urbanos. Nos últimos anos, essa preocupação tornou-se ainda mais relevante com a crescente popularização dos drones, de outros veículos aéreos não tripulados (UAVs) e do desenvolvimento de aeronaves elétricas de decolagem e aterrissagem vertical (eVTOLs), empregadas em aplicações urbanas como entregas, monitoramento e vigilância. Com o objetivo de investigar o nível de pressão sonora (NPS) associado ao ruído gerado por hélices isoladas, foi desenvolvido um código computacional capaz de modelar simultaneamente o desempenho aerodinâmico e o ruído tonal de hélices. Para isso, utilizaram-se dados provenientes de simulações aerodinâmicas de baixo custo computacional, obtidos por meio do software XFOIL, e extrapolados para o regime de pós-estol através do método AERODAS. Em seguida, aplicaram-se regressões por redes neurais a esses dados, possibilitando a implementação da Teoria do Elemento de Pá e Momento (BEMT) e, consequentemente, da formulação analítica proposta por Hanson para a previsão de ruído harmônico. O modelo de regressão foi avaliado por meio da validação cruzada Repeated k-Fold, apresentando erros satisfatórios. Posteriormente, o modelo de desempenho aerodinâmico foi validado com resultados experimentais, demonstrando boa concordância. Em seguida, o modelo de previsão de ruído foi acoplado ao modelo aerodinâmico e também validado com dados experimentais pós-processados, evidenciando diretividade e precisão satisfatórias. Os resultados obtidos demonstram o potencial da metodologia proposta como uma ferramenta eficiente, precisa e de baixo custo computacional para a análise e previsão aeroacústica de hélices de pequenas.

Historically, noise generated by propellers has been a constant concern for the scientific community, especially in regions with intense air traffic, such as airports and urban centers. In recent years, this concern has become even more relevant with the growing popularization of drones, other unmanned aerial vehicles (UAVs), and the development of electric vertical takeoff and landing (eVTOL) aircraft, employed in urban applications such as delivery, monitoring, and surveillance. In order to investigate the sound pressure level (SPL) associated with isolated propeller-generated noise, a computational code was developed capable of simultaneously modeling the aerodynamic performance and tonal noise of propellers. For this purpose, data from low-cost aerodynamic simulations obtained using the XFOIL software were used and extrapolated to the post-stall regime through the AERODAS method. Subsequently, neural network regression models were applied to these data, enabling the implementation of the Blade Element Momentum Theory (BEMT) and, consequently, the analytical formulation proposed by Hanson for harmonic noise prediction. The regression model was evaluated using the Repeated k-Fold cross-validation method, showing satisfactory error levels. The aerodynamic performance model was then validated against experimental data, demonstrating good agreement. Afterwards, the noise prediction model was coupled with the aerodynamic model and also validated using post-processed experimental noise data, revealing satisfactory directivity and accuracy. The results demonstrate the potential of the proposed methodology as an efficient, accurate, and low-cost computationally tool for the aeroacoustic analysis and prediction of small-scale propellers.