MétaCan
Menu
Retour à la cohorte
Enregistrement W2898957705 · doi:10.1115/detc2018-85628

Experimental and Computational Methods for Investigating Automotive Door Closure Sounds

2018· article· en· W2898957705 sur OpenAlexaff
Giuseppe T. V. Garro, Chris K. Mechefske

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Noise and Vibration Control
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésAcousticsAnechoic chamberSound pressureMicrophoneClosure (psychology)Computer scienceComputationOctave (electronics)Automotive industryEngineeringAlgorithmPhysicsAerospace engineering

Résumé

récupéré en direct d'OpenAlex

The focus of this investigation was to examine the acoustic trends present during operation of an automotive door closure at two impact speeds through experimental methods. Transient sound pressure of five different door closure mechanisms were collected in a semi-anechoic chamber using a three-element condenser microphone array. Post-processing methodologies such as Sound Pressure Level versus 1/3 Octave band and Continuous Wavelet Transform computations were conducted. These procedures provided an in-depth analysis on the overall generated sound in addition to identifying which frequencies dominate the response at specific impact events during latch operation. Computational model analyses of the closure system using Rigid Body Dynamic and Explicit Dynamic methods using ANSYS to obtain a clearer understanding of the latch component interactions. Recorded average sound pressure level, frequency decomposition, and impact reaction forces are presented in addition to the notable trends between both impacting speeds.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,840
Score d'incertitude au seuil0,281

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)0,0000,000

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 Opus0,023
Tête enseignante GPT0,335
Écart entre enseignants0,312 · 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
GenreMéthodes

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVehicle Noise and Vibration ControlTravaux en français237 207