Identification, modélisation et réduction du bruit des systèmes surpresseurs fixes et mobiles
Bibliographic record
Abstract
Il existe deux grands types de systèmes surpresseurs : les systèmes surpresseurs fixes et les systèmes surpresseurs embarqués sur une plate-forme de camion. Ces systèmes surpresseurs posent une problématique au niveau santé et sécurité au travail. La mise en évidence du problème du bruit des systèmes surpresseurs embarqués est venue de la direction de l’entreprise "Breton Transport" qui utilise ce type de matériel sur leurs camions pour le transport de la chaux. Le surpresseur à air utilisé sur ces équipements génère des niveaux de bruit importants auxquels sont exposés les travailleurs lors du chargement et du déchargement des camions. Le problème n’est pas spécifique à cette seule compagnie puisque ces systèmes sont largement utilisés par, entre autres, les municipalités qui nous ont déjà fait part de ce problème de bruit par le passé. Le nombre de personnes touchées directement par le problème est donc très important et se situe dans de nombreux secteurs d’activités au Québec (transport, service public, agro-alimentaire, écurage des égouts, protection civile, dépoussiérage, aspiration de matières dangereuses, …). C’est un cas typique où un problème de pollution (par le bruit) a été créé pour en régler un autre. Ces équipements sont aussi appelés « soufflantes », ou « blowers », ou « vacuums », ou « pompes à déplacement positif »,… suivant le type de procédé ou de secteur d’activité. Des mesures de niveaux de pression acoustique ont montré que les systèmes surpresseurs génèrent des niveaux de bruit de 91 à 105 dB(A) à trois mètres, ce qui situe les systèmes surpresseurs dans la catégorie des équipements très bruyants. Les objectifs principaux de ce projet de 30 mois sont les suivants :Caractériser et hiérarchiser les sources de bruits présentes sur un système surpresseur. Développer un code de prédiction numérique qui puisse permettre de prendre en compte les matériaux poro-élastiques. Développer un outil hybride mesure-simulation numérique qui permette de quantifier la puissance rayonnée par les parties structurales du système surpresseur, sans être perturbé par les autres sources de bruits (bruit de bouches, aéraulique…). Concevoir, en partenariat avec l'industriel Hibon Inc. des systèmes surpresseurs fixes et embarqués à bruit réduit.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".