MétaCan
Menu
Retour à la cohorte
Enregistrement W4320183871 · doi:10.3397/in_2022_0081

Numerical and experimental analysis on helicopter's main rotor transmission for predicting structure-borne noise (SBN) using CB-TPA methods

2023· article· en· W4320183871 sur OpenAlexaff
Wafaa El Khatiri, Raef Chérif, Khalid El Bikri, Noureddine Atalla

Notice bibliographique

RevueNOISE-CON proceedings · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Noise and Vibration Control
Établissements canadiensUniversité du Québec à RimouskiUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésDecoupling (probability)Transfer functionTransfer matrixVibrationAcousticsRigidity (electromagnetism)Helicopter rotorTest benchComputer scienceEngineeringStructural engineeringPhysicsMechanical engineeringControl engineering

Résumé

récupéré en direct d'OpenAlex

A large number of a vehicle's mechanical systems are responsible for tonal vibrations, which propagate through the connected structures to radiate structure-borne noise into the cabin. In the literature, transfer path analysis (TPA) methods make it possible to solve vibro-acoustic problems using sub-structuring applications. This paper presents a case study of a heavy-active component connected to a plate backed cavity, using Component-Based transfer path analysis methods. The studied academic system is representative of a helicopter's main transmission. Both numerical and the experimental characterization are used to discuss the effect of several parameters, such as coupling (in-situ) vs decoupling (sub-structuring), completeness of the used transfer function matrix, the accuracy of the inversion method, as well as the rigidity of the test bench used to identify the equivalent forces. It is shown both numerically and experimentally that by using part of the frequency response functions matrix, one can reconstruct the response of both vibration and acoustic targets locations, even by decoupling the system and characterizing the equivalent forces on a test bench.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,651
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,019
Tête enseignante GPT0,308
Écart entre enseignants0,289 · 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.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNOISE-CON proceedingsMême sujetVehicle Noise and Vibration ControlTravaux en français237 207