light box
امتیاز 2.58 پیش‌بینی عایق صدا با استفاده از شبکه‌های عصبی مصنوعی">

نوع فایل : word
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 29
تعداد کلمات : 9300
مجله : acoustics
انتشار : 2022
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:پیش‌بینی عایق صدا با استفاده از شبکه‌های عصبی مصنوعی – بخش اول: سازه‌های کف چوبی سبک وزن

 چکیده

  رویکرد شبکه‌های عصبی مصنوعی برای تخمین عملکرد صوتی برای منحنی‌های عایق صوتی در هوا و ضربه کف‌های مختلف چوبی سبک‌وزن اعمال می‌شود. مدل پیش‌بینی بر اساس ۲۵۲ منحنی اندازه‌گیری استاندارد آزمایشگاهی در باندهای یک سوم اکتاو (۵۰-۵۰۰۰ هرتز) توسعه یافته است. مشخصات فیزیکی و هندسی هر سازه طبقه (مواد، ضخامت، چگالی، ابعاد، جرم و موارد دیگر) به عنوان پارامترهای شبکه مورد استفاده قرار می گیرد. قابلیت پیش‌بینی رضایت‌بخش است و این مدل می‌تواند صدای هوابرد را بهتر از موارد صدای ضربه‌ای به‌ویژه در محدوده فرکانس متوسط ​​(۲۵۰ تا ۱۰۰۰ هرتز) تخمین بزند، در حالی که باندهای فرکانس بالاتر اغلب خطاهای بالایی را نشان می‌دهند. پیش بینی شاخص کاهش صدای هوابرد وزنی Rw با حداکثر خطای ۲ دسی بل محاسبه شد. با این حال، در پیش‌بینی حالت بدتر سطح فشار صوتی ضربه نرمال شده وزنی Ln,w، خطا تا ۵ دسی بل افزایش یافت. مدل تغییرات زیادی را در نزدیکی نواحی فرکانس اساسی و بحرانی نشان داد که بر دقت تأثیر می گذارد. تجزیه و تحلیل اسناد ویژگی پارامترهای اساسی در برآورد عایق صدا را بررسی کرد. به نظر می رسد ضخامت مواد عایق، تراکم دال های چوبی چند لایه و کف های شناور بتنی و تراکم کل سازه های کف بیشترین تأثیر را بر پیش بینی ها دارد. مقایسه بین سیستم‌های محلول کف مرطوب و خشک نشان‌دهنده اهمیت قسمت بالایی طبقات برای تخمین صدای هوا و ضربه در فرکانس‌های پایین است.

Title: Prediction of Sound Insulation Using Artificial Neural Networks—Part I: Lightweight Wooden Floor Structures

Abstract

 The artificial neural networks approach is applied to estimate the acoustic performance for airborne and impact sound insulation curves of different lightweight wooden floors. The prediction model is developed based on 252 standardized laboratory measurement curves in one-third octave bands (50–5000 Hz). Physical and geometric characteristics of each floor structure (materials, thickness, density, dimensions, mass and more) are utilized as network parameters. The predictive capability is satisfactory, and the model can estimate airborne sound better than impact sound cases especially in the middle-frequency range (250–1000 Hz), while higher frequency bands often show high errors. The forecast of the weighted airborne sound reduction index Rw was calculated with a maximum error of 2 dB. However, the error increased up to 5 dB in the worse case prediction of the weighted normalized impact sound pressure level Ln,w. The model showed high variations near the fundamental and critical frequency areas which affect the accuracy. A feature attribution analysis explored the essential parameters on estimation of sound insulation. The thickness of the insulation materials, the density of cross-laminated timber slab and the concrete floating floors and the total density of floor structures seem to affect predictions the most. A comparison between wet and dry floor solution systems indicated the importance of the upper part of floors to estimate airborne and impact sound in low frequencies.

      دیدگاهها بسته است.

      محصولات مشابه
      کمبود(نقص) توجه و علائم ADHD در بزرگسالان مبتلا به بیماری فابری – یک مطالعه آزمایشی
      خـریـد محـصـول
      مرزهای جدید در مدیریت سرطان رکتوم اولیه و پیشرفته
      خـریـد محـصـول
      ریسک میوکاردیت و پریکاردیت در بزرگسالان جوان به دنبال واکسیناسیون mRNA COVID-19
      خـریـد محـصـول
      بروز میوکاردیت و پریکاردیت در بیماران واکسینه نشده پس از کووید-۱۹
      خـریـد محـصـول
      الگوریتم ازدحام آفتاب پرست کارآمد برای مسئله توزیع بار اقتصادی
      خـریـد محـصـول
      فرآیند بازآفرینی شهری: مورد یک مجتمع مسکونی در حومه رم، ایتالیا
      خـریـد محـصـول
      رابطه پویا بین شاخص سهام و قیمت دارایی: تجزیه و تحلیل بلندمدت
      خـریـد محـصـول
      تشخیص بیماری پوسیدگی طوقه در گندم در شرایط محیطی کنترل شده
      خـریـد محـصـول
      بکارگیری بهینه سازی برای حمایت از مدیریت تطبیقی آب رودخانه ها
      خـریـد محـصـول
      ارزیابی تأثیر آموزش زیست محیطی بر رفتار سازگار با محیط زیست
      خـریـد محـصـول
      ثبت اختراع یا انتشار مقاله

      در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. سامانه جستجوگر مالکیت فکری دارکوب به تازگی از پایگاه جستجو علائم تجاری خود نیز رونمایی کرده است که دارای امکانات تخصصی فراوانی می باشد.

      ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

      در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

      از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

       
      برو بالا