MétaCan
Menu
Retour à la cohorte
Enregistrement W6992865990

Modelling and control of the piezoelectric excitation of an automotive windshield for active noise cancellation

2013· dissertation· en· W6992865990 sur OpenAlexfundno aff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2013
Typedissertation
Langueen
DomaineEngineering
ThématiqueAdvanced Adaptive Filtering Techniques
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Windsor
Mots-clésNoise (video)WindshieldActive noise controlNoise controlAutomotive industrySystem identificationControl theory (sociology)Subspace topologyNoise floorNoise measurement
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this thesis, a technique for implementing active noise control within an automotive vehicle is presented utilizing the actuation of a piezoelectrically driven windshield to create the anti-noise signal.The acoustic linearity of the power efficient speaker is also improved to match that of a traditional, high-performance cone speaker.With direct measurement of the corrupting noise signal impractical, a closed-loop feedback control system is designed to achieve both objectives simultaneously.Modelling of the plant dynamics is carried out by deterministic subspace identification on filtered empirical data of a laboratory apparatus which is scaled to match vehicular installations.A noise estimator, based on internal models of the system dynamics, generates a stream of synthetic noise measurements on which stochastic subspace identification is performed to produce periodically updated models of the plant disturbance.The spectral density estimate of the output disturbance is incorporated directly into H synthesis to identify an optimal feedback controller.Ambient highway noise and the window buffeting phenomenon, experienced by the driver-side passenger within the vehicle, are formulated and solved by independent optimization problems to maximize improvement of the passenger's acoustic experience.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,195
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,226
Écart entre enseignants0,214 · 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 tête enseignante, pas un consensus.

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetAdvanced Adaptive Filtering TechniquesTravaux en français237 207