MétaCan
Menu
Retour à la cohorte
Enregistrement W4415576476 · doi:10.25144/14263

PERFORMANCE OPTIMISATION OF SMALL REVERBERANT ROOM WITH HANGING DIFFUSERS

2022· article· W4415576476 sur OpenAlexaff
Patrick Bouché, Kévin Verdière, Serge Campeau

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueAcoustic Wave Phenomena Research
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésNoise (video)MicrophoneLine (geometry)

Résumé

récupéré en direct d'OpenAlex

A small reverberant room can be an efficient and economic tool to provide fast diffuse field sound absorption measurements of homogeneous sound absorbers or more complex structures, and useful for developing, testing, or evaluating specification requirements in many industrial fields.However, small reverberant rooms are known to have some diffusivity issues in lower and middle frequencies, leading to unsuitable levels of consistency, reliability, and repeatability.This paper presents the results of a study made to improve the measurement performance of a 5.7-m³ reverberant room under its Schroeder frequency (around 1275 Hz) by adding hanging diffusers.Using Ray-Tracing method, a numerical parametric study was done to estimate sound absorption of various samples by varying the number, the position, and the orientation of these diffusers based on ASTM C423 and E795 standards.Moreover, extra simulation has been performed to evaluate the effect of sample size on sound absorption consistency in function of frequency.Following these prescriptions, an experimental study was done to confirm these improvements on frequency dependent sound absorption and single rating numbers such as NRC (Noise Reduction Coefficient) and SAA (Sound Absorption Average).The results show that for this room, low frequency performance is significantly increased by using 4 well-placed hanging diffusers and a sufficient sample size.

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)0,002
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,018
Tête enseignante GPT0,206
Écart entre enseignants0,188 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAcoustic Wave Phenomena ResearchTravaux en français237 207