MétaCan
Menu
Retour à la cohorte
Enregistrement W3205101625 · doi:10.3397/1/376939

Prediction and measurement of acoustic transmission loss of acoustic window with composite sandwich structure

2021· article· en· W3205101625 sur OpenAlexaff
C. M. Lee, KiMun Jeon, Byung-Kyoo Jung, Y. M. LEE, MoonJung Kang

Notice bibliographique

RevueNoise Control Engineering Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasonics and Acoustic Wave Propagation
Établissements canadiensNexen (Canada)
Organismes subventionnairesnon disponible
Mots-clésDelamination (geology)AcousticsMaterials scienceUnderwaterComposite numberSound transmission classAcoustic emissionWindow (computing)Transmission lossUltrasonic sensorTransducerComposite materialComputer scienceGeology

Résumé

récupéré en direct d'OpenAlex

Underwater acoustic detection sensors are mounted on the outside of the submarine; the acoustic window for protecting these sensors must be structurally robust while also minimizing any deterioration of sensor's sound detection performance. These two conditions are typically satisfied simultaneously by using composite materials with acoustic window materials. However, since such composite material is manufactured by laminating fibers, there is the probability that delamination occurs, in which an air layer is formed inside, due to manufacturing process errors. Delamination inside the acoustic window degrades the sensor's acoustic performance and results in a failure of military operations. In the case of composites composed of sandwich structures located in the central part, the possibility of internal delamination is higher than in a single composite material. Therefore, it is very important to discriminate the presence or absence of internal delamination after producing an acoustic window. This article uses numerical and analytical methods to determine the internal delamination of the acoustic window fabricated with a sandwich structure. In addition, the results were analyzed and compared through ultrasonic measurement and acoustic transmission loss test.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,629
Score d'incertitude au seuil0,593

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 Opus0,004
Tête enseignante GPT0,160
Écart entre enseignants0,156 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNoise Control Engineering JournalMême sujetUltrasonics and Acoustic Wave PropagationTravaux en français237 207