A Practical Procedure to Predict AIS Inlet Noise Using CAE Simulation Tools
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">The air induction system (AIS), which provides clean air to the engine for combustion, is very important for engine acoustics. A practical CAE procedure to predict AIS inlet noise is presented in this paper. GT-Power, a commercially available software program can be used to simulate the engine performance and predict air induction noise. The accuracy of GT-Power is dependent on many variables, such as: proper duct discretization size, proper number of flow splits to model the air box and the capturing of the correct resonator geometry for tuning frequency. Since GT-Power is based on a 1D assumption, several iterations need be performed to model the complex AIS components, such as, irregular shaped air box, resonator volume, porous ducts and perforated pipes. Because of this, the GT-Power AIS model needs to be correlated to test data using transmission loss data. But in the case when test data is not available for correlation, especially in early design stage when no test parts are available, a virtual ‘test’ method needs to be utilized. As an alternative, a 3D Finite Element Method (FEM) or Boundary Element Method (BEM), can be utilized as a virtual ‘test’ TL bench for GT-Power model correlation. In this paper, SYSNOISE, which has both a FEM and BEM solver, is utilized to compute the TL of an Air Induction System. The procedure is described as follows. First, a preliminary AIS GT-Power model is built based on the design geometry. Second, the corresponding SYSNOISE model for the same geometry is built and the TL is computed. Then, iterations are taken to update the GT-Power model in order to correlate the TL data with SYSNOISE TL results. Finally, the correlated GT-Power AIS model is attached to the full system GT-Power model and then the software computations are run yielding a predictive inlet noise curve. Several case studies are shown that demonstrate the validity of the proposed procedure.</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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle