MétaCan
Menu
Retour à la cohorte
Enregistrement W2563072797 · doi:10.1088/1361-665x/aa5209

Effect of applied magnetic field on sound transmission loss of MR-based sandwich panels

2016· article· en· W2563072797 sur OpenAlexaff
Masoud Hemmatian, Ramin Sedaghati

Notice bibliographique

RevueSmart Materials and Structures · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSound transmission classMagnetorheological fluidSandwich-structured compositeAcousticsSandwich panelNatural frequencyMagnetic fieldMaterials scienceSound powerParametric statisticsRayleigh–Ritz methodCore (optical fiber)Structural engineeringVibrationEngineeringPhysicsComposite materialMathematicsSound (geography)

Résumé

récupéré en direct d'OpenAlex

Abstract This study aims to investigate the sound transmission loss (STL) capability of sandwich panels treated with Magnetorheological (MR) fluids at low frequencies. An experimental setup has been designed to investigate the effect of the intensity of applied magnetic field on the natural frequencies and STL of a clamped circular panel. It is shown that the fundamental natural frequency of the MR sandwich panel increases in proportion to the applied magnetic field. In addition, the STL of the panel at the resonance frequency increases as the magnetic field is amplified. Furthermore, the classical plate theory and Ritz method have been utilized to develop the governing equations of motion of the finite multilayered circular panels comprising two elastic face sheets and MR fluid core layer. The radiated sound power from the panel is derived using Rayleigh integral as a function of the transverse velocity of the panel which is subsequently used to evaluate the STL. The theoretical study is validated comparing the simulation results with the experimental measurements. Experimental and analytical parametric study have also been conducted to study the effect of the core layers’ thickness on the natural frequency and the STL of sandwich panel.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,722

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,004
Tête enseignante GPT0,199
Écart entre enseignants0,195 · 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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmart Materials and StructuresMême sujetVibration Control and Rheological FluidsTravaux en français237 207