MétaCan
Menu
Retour à la cohorte
Enregistrement W2725401892 · doi:10.4050/f-0073-2017-12280

Evaluation of Aircrew Noise Exposure and Hearing Protection Solutions in CH-147F Chinook Helicopter Cabin

2017· article· en· W2725401892 sur OpenAlexaffabout
Yong Chen, Sebastian Ghinet, Andrew Price, Viresh Wickramasinghe, Anant Grewal

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Noise and Vibration Control
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésAircrewAeronauticsNoise (video)Chinook windEnvironmental scienceEngineeringAudiologyAcousticsMarine engineeringAutomotive engineeringComputer scienceMedicinePhysicsFisheryBiologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

High noise levels in the helicopter cabin affect aircrew communication and reduce aircrew comfort, and may lead to hearing loss in the long-term if flight helmets cannot provide sufficient protection to the aircrew, or are improperly fitted. A cabin noise exposure survey has been performed on a Royal Canadian Air Force (RCAF) CH-147F Chinook heavy lift helicopter to evaluate the noise environment. The insertion loss performance of the flight helmet was characterized in a reverberant acoustic chamber facility. Investigation results showed that the low frequency noise attenuation provided by the RCAF flight helmet was marginal at high speed flight conditions in which significant cabin noise levels existed in the helicopter cabin. To enhance the low frequency hearing protection performance and clarity in voice communication, in-canal Communication Ear Plugs (CEPs) integrated with active noise cancellation (ANC) capability was investigated. Simulation and proof-of-concept test results demonstrated that the ANC in-canal CEPs 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 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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,664
Score d'incertitude au seuil0,295

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 ouverte0,0000,000
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 Opus0,056
Tête enseignante GPT0,269
Écart entre enseignants0,212 · 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'étudeSimulation ou modélisation
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
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetVehicle Noise and Vibration ControlTravaux en français237 207