Method for Characterizing the Acoustic Properties of Thin Metamaterials Capable of Attenuating Broadband Noise at Low Frequencies.
Notice bibliographique
Résumé
Controlling broadband noise at low frequencies is a challenge for the aerospace, ground transportation and construction industries. In the few past decades, various low-frequency noise control solutions based on acoustic metamaterial designs have been presented in the literature. The proposed solutions have shown promising acoustic performance and are considered better solutions compared to conventional sound insulation materials. However, the resonance frequencies of these metamaterials are narrow. Our recent work has shown that a parallel assembly of two structured materials allows the broadening of the first resonance frequency at low frequencies. The finite element method was used to characterize the acoustic attenuation performance of the metamaterial. This method requires a large computation time and is not suitable for a metamaterial optimization problem. This article presents an approach based on the transfer matrix method in series and in parallel to quickly and accurately predict the acoustic properties of the metamaterial. The geometry is an assembly of structured materials arranged in parallel and embedded in a layer of fiberglass. The two structured materials are designed such that their resonant frequencies are optimally regrouped to create a resonant frequency band of maximum attenuation at low frequencies. The sound absorption coefficient and the sound transmission loss at normal incidence predicted with the present approach are in good agreement with those obtained using the finite element method. In addition, the results obtained show a wide frequency band noise attenuation for this metamaterial at low frequencies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».