The Effect of Processing Parameters on the Acoustical Efficiency of Open-Cell PMMA Materials
Notice bibliographique
Résumé
<div class="htmlview paragraph">Porous materials are widely used for noise control in the automotive industry. However, due to the weight and space saving considerations, the use of bulky thicknesses of these materials is limited in industrial applications, thus reducing the effectiveness of the acoustic treatment. Consequently, thinner materials with improved acoustic properties are required to achieve a satisfactory noise reduction. One of the promising methods to enhance the acoustic performance of a porous material is the optimization of its macroscopic acoustic parameters through inner micro-structure properties control. Thematically, it is of interest to understand and link material inner micro-structure such as cell size, cell distribution, etc. to main macroscopic parameters which control the sound absorption of a material such as porosity, flow resistance, etc. This study presents a new processing technology to manufacture open-cell PMMA materials using a gas foaming/particulate leaching method and a constrained foam molding process. A parametric study is conducted by altering the processing parameters such as foaming temperature, size and percentage of foaming agent which affect the cell morphologies and control the macroscopic properties. The acoustic performance is controlled by adjusting the processing parameters with respect to the inner structure of the material. The correlations between the resulting cell morphologies and sound absorption effectiveness are investigated. The results conclude that understanding and controlling the porous material inner structure through adjusting the processing parameters are crucial for the development of porous materials with optimized acoustical efficiency.</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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| 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 ».