MétaCan
Menu
Retour à la cohorte
Enregistrement W4388023497 · doi:10.18280/ts.400506

Predicting Flow-Induced Noise Based on an Improved Four-Dimensional Acoustic Analogy Model and Multi-Domain Feature Analysis

2023· article· en· W4388023497 sur OpenAlexvenueno aff
Wensi Zheng, Qiuhong Liu, Jinsheng Cai, Fang Wang

Notice bibliographique

RevueTraitement du signal · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Acoustics in Jet Flows
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Ningxia Province
Mots-clésNoise (video)AcousticsFrequency domainSound pressureMathematical analysisTime domainAcoustic wave equationMathematicsPhysicsComputer scienceAcoustic waveArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Flow-induced noise issues are widely present in practical engineering fields.Accurate prediction of noise signals is fundamental to studying the mechanism of noise generation and seeking effective noise suppression methods.Complete acoustic field information often includes both acoustic pressure and velocity vectors.However, the classic acoustic analogy theory can only consider the feature distribution of acoustic pressure.This study starts from the dimensionless Navier-Stokes equations followed by fluid motion and, with the concept of electromagnetic analogy, introduces a vector form of the fluctuation equation that includes density perturbations and velocities in three directions.By choosing the permeable integral surface surrounding the object as the sound source surface, this study further analyzes the composition of the volume source term and extract the complete load source term, proposing the time-domain integral analytical formula T4DC and the frequencydomain integral formula F4DC.Numerical predictions for stationary dipoles and rotating monopoles are carried out in the time domain, frequency domain, and spatial domain.The numerical results show that the time-domain and frequency-domain noise obtained by this method can be consistent with the analytical solution, while the method of Dunn has a significant difference from the analytical solution, especially for dipole noise distribution.Compared with the accurate solution, the acoustic velocity amplitude error obtained by Dunn's method reached more than 35% at m=1 frequency, fully demonstrating that our method can accurately predict far-field acoustic pressure and velocity vectors.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
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)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,017
Tête enseignante GPT0,230
Écart entre enseignants0,213 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraitement du signalMême sujetAerodynamics and Acoustics in Jet FlowsTravaux en français237 207