MétaCan
Menu
Retour à la cohorte
Enregistrement W2054187864 · doi:10.1121/1.3249416

Indirect acoustical characterization of sound absorbing materials.

2009· article· en· W2054187864 sur OpenAlexaff
Raymond Panneton, Yacoubou Salissou

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Phenomena Research
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésTortuosityAcousticsMaterials scienceMicrophoneHomogeneousCharacterization (materials science)Porous mediumElectrical impedanceAcoustic impedanceSound transmission classPorosityMechanicsComposite materialPhysicsSound pressureThermodynamicsUltrasonic sensor

Résumé

récupéré en direct d'OpenAlex

This paper discusses methods to evaluate the dynamic properties of sound absorbing materials (fibers, foams, etc.) based on impedance tube measurements, and the use of indirect methods to retrieve the main macroscopic material parameters from the dynamic properties. For the methods to be successful, the measured dynamic properties need to follow accurately an equivalent fluid behavior and show little noise, particularly at low frequencies. To improve the quality of these measurements, a modification is proposed to an existing three-microphone transfer matrix approach. The modified approach can also be applied to deduce with precision the transmission loss of homogeneous and non-homogeneous symmetrical or non-symmetrical samples. A comparison of the methods and the obtained macroscopic properties (porosity, tortuosity, static viscous and thermal permeabilities, and characteristic lengths) is discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,736
Score d'incertitude au seuil0,404

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,247
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetAcoustic Wave Phenomena ResearchTravaux en français237 207