MétaCan
Menu
Retour à la cohorte
Enregistrement W4396592081 · doi:10.2514/1.j063384

Evaluating an Additive Manufactured Acoustic Metamaterial Using the Advanced Noise Control Fan

2024· article· en· W4396592081 sur OpenAlexaff
Eoghan P. Ross, Kelvin M. Figueroa-Ibrahim, Scott Morris, Daniel L. Sutliff, Gareth J. Bennett

Notice bibliographique

RevueAIAA Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Phenomena Research
Établissements canadiensTrinity College
Organismes subventionnairesHorizon 2020 Framework ProgrammeGlenn Research CenterEuropean CommissionNational Aeronautics and Space Administration
Mots-clésNoise reductionNoise controlNacelleAcousticsBroadbandNoise (video)MetamaterialEngineeringReduction (mathematics)AeroacousticsComputer scienceTelecommunicationsMaterials scienceAerospace engineeringSound pressurePhysicsTurbine

Résumé

récupéré en direct d'OpenAlex

This paper examines the performance of a 3D printed acoustic metamaterial as an acoustic treatment for aircraft engine nacelles in the Advanced Noise Control Fan. As the level of air travel continues to increase, so too does the demand for better noise-reduction technologies for aircraft. Engines are one of the two main sources of noise generated by aircraft, with fan noise, in particular, being of concern due to its broadband and tonal contributions. Small and lightweight methods of addressing both broadband and tonal noise are necessary due to the limitations presented by the current engine design. Presented in this paper is a novel acoustic metamaterial that has undergone design optimization for broadband noise reduction. The final design was produced using 3D printing and tested using the Advanced Noise Control Fan at the University of Notre Dame. It was found that the material is capable of reducing the first harmonic of the blade passing frequency by up to 18.5 dB, with an overall noise reduction of 3.7 dB.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,039
Tête enseignante GPT0,350
Écart entre enseignants0,311 · 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

Citations17
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA JournalMême sujetAcoustic Wave Phenomena ResearchTravaux en français237 207