室内人体移动过程对热舒适的影响研究

使用计算流体力学(CFD)技术,结合动网格技术和刚体运动学理论,对室内人体移动进行了动态模拟,得到了人体移动过程中不同时刻室内流场分布.分析了移动过程中的平均温度、平均速度、温度和速度不均匀性指标,并预测了有效吹风温度(TEDT)、空气分布特性指标(ADPI)和吹风感的不满意率指标(PD),比较了不同人体移动速度对以上指标的影响.模拟结果表明,人体移动对室内气流分布和热舒适有短期影响,能提高室内风速的扰动,造成吹风感.     

基于多种指标优化的连锁故障预防策略研究

为了预防连锁故障的发生,兼顾电网运行时的安全裕度和电压稳定情况,将电网当前运行与临界状态的节点注入功率之间的差值转化为安全裕度指标;分别将衡量电网整体和某节点电压稳定的雅可比矩阵最小特征值指标和电压稳定的L指标相结合,给出了电压稳定的综合指标;结合电网实际情况给出了各种约束条件,由此确定了完整的预防连锁故障模型;提出了监控优化过程中电网切除初始故障后的剩余支路所受潮流转移的影响程度是否在降低,从侧面证明了文中提出的预防连锁故障模型能够达到预防连锁故障的目的;通过对IEEE39节点系统进行算例仿真,验证了所构建的预防连锁故障模型的可行性和有效性.     

自校正信息融合Kalman预报器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均（MA）新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman预报器。证明了它的收敛性,即它具有渐近最优性,且自校正融合Kalman预报器比每个局部自校正Kalman预报器精度高。一个目标跟踪系统的仿真例子说明了其有效性。     

多传感器全局最优加权观测融合Wiener信号滤波器

基于Kalman滤波,应用加权观测融合方法,对于带白色观测噪声的单通道ARMA信号,提出了全局最优多传感器观测融合Wiener信号滤波器。可统一处理信号融合滤波、平滑和预报问题。同集中式规测融合方法和分布式状态融合方法相比．不仅可获得全局最优Wiener信号滤波器,而且明显减小计箅负担,便于实时应用。一个三传感器加权观测融合仿真例子说明了其有效性。     

广义系统多传感器分布式融合降阶Kalman滤波器

对于带多传感器的广义线性离散随机系统,应用奇异值分解,将其变换为等价的两个降阶多传感器子系统,提出了基于变换后的状态融合器构造原始状态融合器的新的融合方法。应用Kalman滤波方法,在线性最小方差按矩阵加权、按对角阵加权和按标量加权融合准则下,分别提出了三种最优加权融合降阶广义Kalman滤波器。可统一处理融合滤波、平滑和预报问题。可减少计算负担和改善局部滤波精度。证明了三种融合器和局部估值器之间的精度关系。为了计算最优加权。提出了局部滤波误差协方差阵的计算公式。一个Monte Carlo仿真例子说明了其有效性。     

辨识动态系统噪声方差Q和R的新方法

对于带未知噪声方差的线性离散定常随机系统,引入左素分解可得到一个新的观测过程,它用两个滑动平均（MA）过程之和表示。用解相关函数矩阵方程组得到了噪声方差Q和R的估值器,进而基于新的观测过程的采样相关函数及其遍历性可得到噪声方差Q和R的强一致估计。算法简单,便于实时应用。一个目标跟踪系统的仿真例子说明了其有效性。     

浅谈省级科技信息研究所的科技信息管理工作

讨论了科技信息管理工作的规范化和标准化问题,阐述了科技信息管理工作的要点,探讨了信息无偿服务和有偿服务的关系。     

智慧社区服务平台便民服务数据普查系统及应用

智慧社区服务平台便民服务数据普查系统,采用Trimble MX7车载移动测量系统和自主研发的SMUC城市部件普查系统等先进的技术手段,采集社区名称、类型、定位精准,基本信息确保智慧社区服务平台基础数据准确严谨,平台中能够支持商家和市民实时语音、图片、文字互动,社区便民服务机构能够融入社区服务,为社区居民提供便利.     

游鹞子寨

那天上午，我们告别游人如织的金鞭溪，从千里相会景点出发，沿山中一条依山就势蜿蜒曲折的游道拾级而上。这条游道有些落寞，路上长出了青苔，散落着枯叶。看得出来，鹞子寨的这条上山游道几近荒芜，人迹罕至。不过我很喜欢这样的游道，非常原始生态，特别闲适幽静，没有繁华都市的喧嚣，没有热闹景点的浮躁，一个人可以自主地行走，或者漫步沉思，或者一路轻歌，什么都能想象，又什么都可不想。     

大学生自我职业生涯规划实效性的分析

职业生涯规划是个人发展过程中最重要的筹谋，而大学正是人生最重要的认识自我，探索未来的时期，那幺大学生进行职业生涯规划的意义就不言而喻。本文拟以四川理工学院为倒，分析大学生在职业生涯规划过程中存在的问题，进一步思考本校在培养大学生该能力方面的改革与创新。