Analyzing Acoustic Damping Effects in Bubble Oscillations Across Various Liquids
Notice bibliographique
Résumé
The study of acoustic interactions between sound fields and bubbles has diverse applications in medicine, engineering, and biology, including optimizing ultrasound imaging, reducing watercraft damage, and advancing our understanding of aquatic animal biology. The study of sound-bubble interactions also provides a flexible tool since bubbles can be modeled using theoretical frameworks, such as simple harmonic oscillators. Our investigation focuses on modeling vibrating bubbles in various liquids as harmonic oscillators. Our research is motivated by a common Brazilian practice used to assess alcohol content, where the sound of a partially filled bottle being struck changes if the bottle is quickly inverted beforehand. This distinct sound results from the liquid’s state, particularly the bubbles formed within it. Specifically, this sound difference can be attributed to the damped oscillations of the induced bubbles in the viscous liquid. We recorded the sound spectrum before and after the rotation to compare peak frequencies. Liquids were categorized based on how long they maintained the sound difference, quantifying the damping phenomenon using quality factors from a Lorentzian fit of the sound spectrum. This established a direct relationship between the oscillation’s period and amplitude and the liquid's properties. Results indicated that as viscosity increases, the quality factor decreases, reducing bubble vibrations and causing the sound difference to fade more quickly. This study highlighted the role of viscous damping as a sound attenuator and successfully demonstrated the relationship between emitted frequencies in different beverages, enhancing our understanding of bubble dynamics.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».