Reducing Radiated Structural Noise from AIS Surfaces using Several FEM Optimization Methods
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Two finite element optimization techniques are presented for minimizing automotive engine air induction structural radiated noise and mass. Air induction systems are generally made of thin wall plastic which is exposed to high levels of pulsating engine noise. Weak air induction system walls vibrate excessively creating noise that can be heard by the driver. The conventional approach is to add ribs (many times through trial and error) which increase part weight or by adding “kiss-offs,” which restrict air flow.</div><div class="htmlview paragraph">The finite element optimization methods considered here are shape optimization and topometry optimization. Genesis, a fully integrated finite element analysis and optimization package by Vanderplaats Research &amp; Development, was used to perform finite element optimization. Choice of optimization method is primarily dependent on several factors which are appearance, part interference and flow restriction requirements. “GT Power” was used to model the complete engine air flow system and calculate local acoustic pressure levels for modal frequency response analysis. Node velocity results of the structural analysis were applied to an external BEM acoustic model. “LMS Virtual Lab” was used to calculate the surface radiated sound power.</div><div class="htmlview paragraph">A shape optimized duct radiated significantly less noise but assembly interference requirements were increased for the duct which led to the use of topometry or part thickness optimization. Finite element structural optimization is shown here to be an effective design tool for minimizing radiated air induction shell noise. Shell noise is also shown to be significantly reduced by reducing the forcing acoustic pressure.</div></div>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».