Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

This research project aims to develop prediction models based on artificial neural networks (ANN) to estimate the sound insulation curves for different wood assemblies in one-third octave bands (50 Hz - 5000 Hz). Based on laboratory measurements, two models have been designed to determine the insulation performance of lightweight wooden constructions, such as floors and façades. The third model was developed to simulate the acoustic performance of CLT-based floors in field conditions in real buildings. These models incorporate each structure’s physical and geometric characteristics as input parameters and use feature attribution analysis to ascertain the most important parameters for sound insulation prediction. The first ANN model was created to calculate the acoustic performance of lightweight wooden floors for airborne and impact sound insulation. It is based on 252 laboratory measurement curves considering each floor’s physical and geometric characteristics. The model is more precise in predicting the airborne sound reduction index Rw, with an error of 2 dB at maximum, while the error was up to 5 dB in the worst case for the weighted normalized impact sound pressure level Ln,w. The variations near fundamental and critical frequency areas affect the model’s accuracy. A feature attribution analysis is conducted to determine the factors most influential in predicting sound insulation. The thickness of insulation materials, the density of cross-laminated timber slabs and concrete floating floors, and the total density of floor structures are the most notable parameters that follow the mass law. The second artificial neural network-based model is developed to evaluate the acoustic performance of lightweight wooden façade walls for airborne sound insulation. It is based on 100 insulation curve measurements and uses laboratory data from the façade walls as input parameters. The model proves to be accurate in predicting airborne sound reduction, with a maximum difference of 3 dB in the weighted airborne sound reduction index (Rw). Then a sensitivity analysis is conducted, revealing that the thickness of the façades and the total density of the exterior layers are critical factors for the model’s accuracy. The third neural network model was developed to predict the standardized level differences and standardized impact sound pressure levels of multi-layered, cross-laminated timber (CLT)-based floor systems, with data taken from 104 acoustic measurements from 15 different buildings in Europe. The network model accounted for various structural parameters such as floor components, surrounding wall types, junction types, visco-elastic interlayers, the volume of the receiving room, and the surface separating area. The model demonstrated satisfactory accuracy in predicting the standardized airborne and impact sound insulation curves across all frequencies, with a maximum variation of 1 dB for the weighted standardized level differences DnTw and up to 2 dB for the weighted standardized impact sound pressure level L’nTw. The sensitivity study revealed that the direct sound path through the floor is the most influential factor, followed by flanking paths, with the volume of the receiving room being found to be a critical factor for estimations.

Ce projet de recherche vise à développer des modèles de prédiction basés sur des réseaux neuronaux artificiels (ANN) pour estimer les courbes d’isolation acoustique pour différentes structures en bois léger dans des bandes d’un tiers d’octave (50 Hz - 5000 Hz). Deux modèles ont été conçus pour déterminer les performances d’isolation des constructions légères en bois, telles que les planchers et les façades, sur la base de mesures en laboratoire. Le troisième modèle a été développé pour simuler les performances acoustiques des planchers à base de bois lamellé-croisé (CLT) dans des bâtiments réels. Ces modèles intègrent les caractéristiques physiques et géométriques de chaque structure en tant que paramètres d’entrée et utilisent une analyse d’attribution pour déterminer les paramètres les plus importants pour la prédiction de l’isolation acoustique. Le premier modèle ANN a été créé pour calculer les performances acoustiques des planchers légers en bois pour l’isolation des bruits aériens et des bruits d’impact. Il est basé sur 252 courbes de mesure en laboratoire, qui prennent en compte les caractéristiques physiques et géométriques de chaque plancher. Le modèle le plus précis est celui pour prédire l’indice de réduction des bruits aériens Rw, avec une erreur de 2dB au maximum, tandis que l’erreur atteignait 5 dB dans le pire des cas pour le niveau de pression acoustique d’impact normalisé pondéré Ln,w. La précision du modèle a été affectée par les variations à proximité des zones de fréquences fondamentales et critiques. Pour déterminer les facteurs les plus influents dans la prévision de l’isolation acoustique, une analyse d’attribution des caractéristiques a été menée. L’épaisseur des matériaux d’isolation, la densité des dalles en bois lamellé-croisé et des chapes flottants en béton, ainsi que la densité totale des structures de plancher se sont révélées être les paramètres les plus importants. Le deuxième modèle basé sur un réseau neuronal artificiel a été développé pour évaluer les performances acoustiques des murs de façade en bois en ce qui concerne l’isolation contre les bruits aériens. Il est basé sur 100 mesures de courbes d’isolation de laboratoire comme paramètres d’entrée. Le modèle s’est avéré précis dans la prévision de la réduction des bruits aériens, avec une différence maximale de 3 dB dans l’indice pondéré de réduction des bruits aériens (Rw). Une analyse de sensibilité a été menée, qui a révélé que l’épaisseur des façades et la densité totale des couches extérieures étaient des facteurs clés pour la précision du modèle. Le troisième modèle de réseau de neurones a été développé pour prédire les différences de niveau normalisées et les niveaux de pression acoustique d’impact normalisés des systèmes de planchers multicouches en CLT, à l’aide de données provenant de 104 mesures acoustiques effectuées dans 15 bâtiments différents en Europe. Ce modèle tient compte de divers paramètres structurels tels que les composants du plancher, les types de murs environnants, les types de jonctions et leurs couches intermédiaires viscoélastiques, ainsi que le volume de la pièce réceptrice et la surface de séparation. Le modèle a démontré une précision satisfaisante dans la prévision des courbes normalisées d’isolation aux bruits aériens et aux bruits d’impact pour toutes les fréquences, avec une variation maximale de 1 dB pour les différences de niveau normalisées pondérées DnTw et jusqu’à 2 dB pour le niveau de pression acoustique d’impact normalisé pondéré L’nTw. Une étude de sensibilité a révélé que le trajet direct du son à travers le sol était le facteur le plus influent, suivi par les trajets latéraux, le volume de la pièce réceptrice s’avérant être un facteur critique pour les estimations.