Redes neurais artificiais aplicadas à determinação do tamanho ótimo da malha para o cálculo da intensidade útil

Neste trabalho é apresentado um estudo para a determinação do tamanho ótimo da malha de elementos, utilizando redes neurais artificiais, para o cálculo da intensidade útil. A ideia principal é treinar as redes de modo a possibilitar a aprendizagem e o reconhecimento do melhor tamanho para diversas áreas superficiais em fontes sonoras com geometria plana. A vantagem de se utilizar redes neurais artificiais deve-se ao fato de apresentarem um único tamanho para a obtenção da intensidade útil, consequentemente, uma redução significativa de tempo computacional quando comparado com o tempo de cálculo de uma malha bem refinada. Ensaios numéricos com placas planas - geometria separável que permite uma solução analítica - são utilizados para se realizar comparações. É apresentado um estudo comparativo entre o tempo computacional gasto para a obtenção da intensidade útil e o mesmo com a malha otimizada via redes neurais artificiais. Também é apresentada uma comparação do nível de potência sonora mediante solução numérica, a fim de validar os resultados apresentados pelas redes neurais.

In this paper, a study to determine the optimal size of the mesh elements, using artificial neural networks, to calculate useful intensity is presented. The main idea is training the neural networks, enabling them learning and recognizing the best size for the various superficial areas in sound sources with at geometry. The advantage of using artificial neural networks is due to the fact that they present a single size for obtaining the useful intensity, thereby significantly reducing computation time compared with the calculation time for a too fine mesh. Numerical tests with at plates - separable geometry that enables an analytical solution - are used to make comparisons. A comparative study of the computational time spent to obtain the useful intensity and the computational time spent to obtain the useful intensity using the mesh optimized via artificial neural networks is presented. A comparison of the sound power level obtained by the numerical solution in order to validate the results using neural networks is also presented.