MétaCan
Menu
Retour à la cohorte
Enregistrement W2518878568 · doi:10.1177/1045389x16667553

Investigation of aircrew noise exposure levels and hearing protection solutions in helicopter cabin

2016· article· en· W2518878568 sur OpenAlexafffundabout
Yong Chen, Sebastian Ghinet, Andrew Price, Viresh Wickramasinghe, Anant Grewal

Notice bibliographique

RevueJournal of Intelligent Material Systems and Structures · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Adaptive Filtering Techniques
Établissements canadiensNational Research Council Canada
Organismes subventionnairesMinistère de la Défense Nationale
Mots-clésAircrewNoise (video)EngineeringAeronauticsAttenuationAcousticsComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

High noise levels in the helicopter cabin adversely affect aircrew communication and reduce comfort in the short-term and may lead to hearing loss in the long-term if flight helmets cannot provide sufficient protection to the aircrew. A cabin noise exposure survey has been performed on a Royal Canadian Air Force CH-147F Chinook heavy lift helicopter to evaluate the noise environment and noise protection performance of the flight helmet. Investigation results showed that the low-frequency noise attenuation provided by the Royal Canadian Air Force flight helmet was marginal in high-speed flight conditions that generate loud cabin noise. Therefore, in-canal earphone integrated with active noise cancellation capability was investigated to provide enhanced noise protection and improve clarity in voice communication. Simulation and proof-of-concept test results verified that active noise cancellation in-canal earphones can serve as a feasible technical solution to provide enhanced noise attenuation to mitigate the low-frequency N/rev tonal noise generated by the aerodynamic pressure from the helicopter rotor blades.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,045
Tête enseignante GPT0,236
Écart entre enseignants0,191 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Intelligent Material Systems and StructuresMême sujetAdvanced Adaptive Filtering TechniquesTravaux en français237 207