Hearing Protection Performance Evaluation of Active Noise Reduction Headsets Under High Intensity Noise Levels
Notice bibliographique
Résumé
High levels of noise within airborne or ground vehicles affect crew communication and prolonged exposure may lead to hearing-related damage if insufficient hearing protection is implemented. These acoustic environments are unique and varied based upon sources that generate tonal noise, broadband noise and impulsive noise. One of the recommended solutions to mitigate the auditory risks of working in high noise intensity levels was to utilise hearing protectors with Active Noise Reduction (ANR) systems. Investigation was required in order to establish if performance degradation should be expected, the goal being to determine if further more comprehensive performance assessments would be required for hearing protectors with ANR. In the present study, the four David Clark headset models e.g. 40600G-15, 40600G-20, 40750G-01 and H10-76XL were tested at various sound pressure levels such as 111 dB, 115 dB, 120 dB, 125 dB and 131 dB. As a result of this evaluation, it was observed that the performance of the four headset systems with ANR ON was repeatable and constant for noise excitation levels below 120dB. However, as is demonstrated by the preliminary evaluation, the insertion loss performance of the four headsets with ANR systems ON, when exposed to unweighted overall sound pressure levels (OSPL) superior to 120dB, significantly degraded with each increasing noise level increment. It is also very important to mention that the passive hearing protection performance of the four headsets (ANR OFF) remained, as expected, consistent (no degradation observed) at all high intensity noise levels considered in this study. It will be shown that the performance of the hearing protectors with ANR electronic systems has to be consistently evaluated at various noise levels in order to accurately assess their expected performance in real life mission environment for personnel exposure to high intensity noise levels above 120dB.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».