MétaCan
Menu
Retour à la cohorte
Enregistrement W3086269337 · doi:10.3390/acoustics2030036

Tonal-Noise Assessment of Quadrotor-Type UAV Using Source-Mode Expansions

2020· article· en· W3086269337 sur OpenAlexaff
Michel Roger, Stéphane Moreau

Notice bibliographique

RevueAcoustics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Acoustics in Jet Flows
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésLift (data mining)AcousticsAerodynamicsNoise (video)ThrustAeroacousticsParametric statisticsAmbient noise levelComputer scienceSimulationEngineeringAerospace engineeringPhysicsSound pressureSound (geography)Mathematics

Résumé

récupéré en direct d'OpenAlex

The present work deals with the modeling of the aerodynamic sound generated by the propellers of small-size drones, taking into account the effects of horizontal forward flight with negative pitch and of installation on supporting struts. Analytical aeroacoustic formulations are used, dedicated to the loading noise. The fluctuating lift forces on the blades are expanded as circular distributions of acoustic dipoles, the radiated field of which is calculated by using the free-space Green’s function. This provides descriptions of the sound field, valid in the entire space. The stationary mean-flow distortions responsible for the lift fluctuations and at the origin of the sound are estimated from existing numerical flow simulations and from ad hoc models. Installation and forward-flight effects are found to generate much more sound than the steady loading on the blades associated with thrust. Therefore, the models are believed reliable fast-running tools that could be used for preliminary low-noise design through repeated parametric calculations, or for noise-impact estimates corresponding to prescribed urban traffic.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
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 Opus0,024
Tête enseignante GPT0,289
Écart entre enseignants0,265 · 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'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

Citations52
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcousticsMême sujetAerodynamics and Acoustics in Jet FlowsTravaux en français237 207