Un enfoque híbrido para el rediseño acústico óptimo de recintos industriales

Abstract

La contaminación acústica debida a fuentes de ruido industrial constituye un serio problema dentro de los establecimientos. Las soluciones técnicas involucradas poseen un alto costo, motivo por el cual se hace necesario diseñar cuidadosamente los sistemas de control de ruido, caracterizando adecuadamente las fuentes que originan el ruido. Existen diversos modelos computacionales para este fin, pudiéndose utilizar desde simples formulaciones analíticas hasta métodos más complejos basados en acústica geométrica. Sin embargo, en muchos casos, los modelos mencionados en primer término, presentan ciertas restricciones ya sea por su imprecisión en la predicción del campo sonoro o por su limitación en función de la geometría del recinto analizado, mientras que los últimos tiene, en general, un alto costo computacional. Un enfoque alternativo, para modelar las distintas relaciones acústicas envueltas en este tipo de situaciones, es el uso de las redes neuronales artificiales (RNA).Esta herramienta proporciona un método robusto para resolver problemas de clasificación y predicción, permitiendo una gran flexibilidad y precisión. A través de un proceso de entrenamiento, las RNA son capaces de determinar relaciones no-lineales entre un conjunto de datos, asociando a variables de entrada la o las salidas correspondientes. En tal sentido, en el presente trabajo se propone un enfoque que combina la estructura teórica de un modelo acústico con una RNA, para estimar las variaciones del campo sonoro en una familia de recintos industriales considerando diversas características geométricas y acústicas. Finalmente, el modelo resultante, se combina con la técnica de recocido simulado para desarrollar un diseño acústico óptimo.