بررسي و بهينه‌سازي تاثيرات هندسه موانع صوتي جهت كنترل نويز فرودگاه

Investigation and improvement in effectiveness of sound wall geometry to decrease airport noise

عوامل مختلفي مانند جنس، ارتفاع، ضخامت، ملاحظات نصب و شكل راس ديوارهها بر بازدهي ديوارههاي صوتي در كاهش نويز فرودگاه تاثير دارند. هدف از اين مقاله، بهبود تاثير شكل راس ديوارهها بر ميزان كاهش نويز اطراف فرودگاه و يافتن بهبود يافته‌ترين شكل راس ديواره است. براي بررسي كارايي ديواره صوتي، از روش المان مرزي استفاده شده است. بدين‌صورت كه با استفاده از نرم‌افزارهاي مدل‌سازي، ديواره‌هاي صوتي با اندازه‌ها و ابعاد مختلف در آنها طراحي شده و پس از مشبندي آنها، ازروش المان محدود، براي تحليل ارتعاشي مدلها استفاده شده است. با استفاده از تحليل ارتعاشي انجام شده، فركانسهاي طبيعي و شكل مودهاي سازه ديواره به‌دست ميآيد. سپس با مدل كردن منبع نويز و گيرندههاي صوتي ميزان افت جاگذاري آنها محاسبه شده است. به دليل اين‌كه تعداد حالات راس ديواره Y شكل بسيار متنوع بوده و بررسي تمام حالات چه از لحاظ زمان و چه از لحاظ هزينه به صرفه نيست، از روش طراحي آزمايشات تاگوچي جهت تقليل حالات موجود استفاده شده است. سپس رابطه حاكم بر نتايج آزمون‌هاي گرفته شده با درصد خوبي به كمك شبكه عصبي تشخيص داده شده و در نهايت از الگوريتم ژنتيك جهت بهينه‌سازي و به‌دست آوردن ايده‌آل‌ترين شكل راس استفاده شده است.

The different factors such as material, height, thickness, installation status, and geometry of the wallʹs head can influence the efficiency of the sound walls to decrease the noise pollution of the airports. This paper is presented to improve the effective geometry of the wallʹs head as well as finding the best wallʹs head to maximize the noise reduction in an airport. To investigate the performance of the sound wall, the boundary element method is used. Then, in order to model the sound walls with different dimensions and sizes, PATRAN software is utilized. In the next step, the models are meshed and finite element method is used to analyze the vibrations of the models. Consequently, the natural frequencies and the mode shapes of soundʹs walls are predicted and the insertion loss via modeling of sources of noise and sound receivers is calculated. The design method of Taguchi experiments is applied to decrease the total number of the different models of Y shape geometries. Accordingly, the governing equations with approximate fit over the test cases are determined by neural network. Finally, the genetic algorithm is used to obtain the ideal headʹs wall.