MétaCan
Menu
Retour à la cohorte
Enregistrement W4399995401 · doi:10.28979/jarnas.1392427

Ağır Hizmet Araçlarının Gürültü Kalkanı Parçasının Akustik ve Mekanik Dayanım Performansının İncelenmesi

2024· article· tr· W4399995401 sur OpenAlexaff
İbrahim Aydın, Sena Arslan, Merve Çalışkan Akduman, Dilara Çay, Öznur İskender

Notice bibliographique

RevueJournal of Advanced Research in Natural and Applied Sciences · 2024
Typearticle
Languetr
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensVancouver Enterprise Forum
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

Kamyon, tır gibi ağır hizmet araçlarında en çok gürültü üreten yapı olan motor odasında oluşan ısı ve sesin izole edilmesi için bu yapının yakına yalıtım malzemesi olarak gürültü kalkanı konumlandırılmaktadır. Bu çalışmada, ağır hizmet araçlarında gürültü kalkanı olarak kullanılmak üzere, ses ve ısı üreten yapıya bakacak yönde konumlandırılan alt katmanda taş yünü, gürültü kalkanı parçasının mukavemet ve akustik performansını arttırmakla görevli üst katmanda PP/GF, GF/EP, GF/PET, Karbon/EP, fenolik keçe ve yapıştırıcı malzeme olarak PE film kullanılarak düz kalıpta, 190 °C sıcaklıkta ve 110 bar basınç altında kompozit sandviç yapılar oluşturulmuş ve bu yapıların empedans tüpünde ses yutum katsayıları ölçülerek akustik performansları birbiriyle karşılaştırılmıştır. Akustik performans test sonuçları incelendiğinde, ses yutum katsayısı (α) 1 değerine en yakın olan kompozit sandviç yapının dıştan içe doğru iki kaplama telası arasında PP/GF, PE film, taş yünü içeren malzeme kompozisyonu 1 olduğu tespit edilmiştir. Kalınlığın akustik performansa ve mukavemete etkisini incelemek üzere, en iyi akustik performansı gösteren malzeme kompozisyonu 1 ile 10 mm, 20 mm ve 30 mm kalınlıklarında üretilen numunelere akustik performans ve 3 nokta eğilme testleri uygulanmıştır. Elde edilen verilerden kalınlık arttıkça ses yutum kapasitesinin ve eğilme dayanımının arttığı tespit edilmiştir.

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)0,001
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 enseignants0,025
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0250,007

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 Opus0,054
Tête enseignante GPT0,398
Écart entre enseignants0,344 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced Research in Natural and Applied SciencesMême sujetStructural Health Monitoring TechniquesTravaux en français237 207