임의 형상 음향 공동의 고정밀도 고유치 추출을 위한 개선된 NDIF법 개발

A modified NDIF method using a sub-domain approach is introduced to extract highly accurate eigenvalues of two-dimensional, arbitrarily shaped acoustic cavities. The NDIF method, which was developed by the authors for the eigen-mode analysis of arbitrarily shaped acoustic cavities, has the feature that it yields highly accurate eigenvalues compared with other analytical methods or numerical methods(FEM and BEM). However, the NDIF method has the weak point that it can be applicable for only convex cavities. It was revealed that the solution of the NDIF method is very inaccurate or is not suitable for concave cavities. To overcome the weak point, the paper proposes the sub-domain method of dividing a concave domain into several convex domains. Finally, the validity of the proposed method is verified in two case studies, which indicate that eigenvalues obtained by the proposed method are more accurate compared to the exact method, the NDIF method, or FEM(ANSYS).

#고유치 #무차원 동영향 함수법 #분할 영역법 #임의 형상 음향 공동 #Arbitrarily Shaped Acoustic Cavities #Eigenvalue #NDIF Method #Sub-domain Method

참고문헌 (6)

참고문헌 신청

1. [단행본] - Bathe, K. / 1982 / Finite Element Procedures in Engineering Analysis / Prentice-Hall

2. [단행본] - Brebbia, C. A. / 1984 / Boundary Element Techniques / Springer- Verlag

3. [학술지(정기간행물)] - Kang, S. W. / 2000 / Eigenmode Analysis of Arbitrarily Shaped Two-dimensional Cavities by the Method of Point-matching / Journal of the Acoustical Society of America 107 (3) : 1153 ~ 1160

5. [단행본] - Blevins, R. D. / 1979 / Formulas for Natural Frequency and Mode Shape / Litton Education Publishing

6. [단행본] - Meirovitch, L. / 1967 / Analytical Methods in Vibrations / Macmillan Publishing

이 논문의 저자 정보

강상욱

소속기관 한성대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 TOP 10% 공학 > 기계공학 > 자동차공학

논문수 92 이용수 4,711

윤주일

소속기관 한성대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 의약학 > 임상의학 > 치의학

논문수 26 이용수 1,740

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (41)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (6)

이 논문의 저자 정보

최근 본 자료

댓글(0)