面向老龄化社会的产品服务系统设计赋能

目的 针对面向老龄化社会的产品及产品服务系统设计,将赋能的设计理念和价值引入其中,探索设计结果提升老年人能动性和参与性的赋能品质,为设计师开展设计赋能实践提供参考.方法 以设计教学中的学生设计方案作为研究材料,邀请设计研究者参与工作坊,对设计结果的赋能属性进行分析,并通过聚类获得类别化的设计属性,产生了能描述赋能品质的属性词汇表.结果 总结了包含5组形容词组的设计赋能品质集,这一集合包含"顺应性"和"激励性"两个面向.结论 研究结果为设计师进行老龄化设计提供了知识参考,有助于提升设计师的赋能意识.揭示了设计赋能充满矛盾性的品质,提出面向老龄化的设计赋能需要在"顺应"和"激励"之间找到平衡.     

青岛华润万象城商业综合体结构设计

青岛华润万象城属于复杂超限高层建筑,工程长宽比偏大,平面布置较为复杂,具有扭转不规则、楼板局部不连续、竖向不规则、抗侧力构件不连续、结构超长等特点。结构设计采用基于性能的抗震设计方法,对结构进行详细的小震弹性计算、小震弹性时程分析、中震及大震验算,并在工程中设置了RBS消能墙作为"抗震二道防线",其对平面扭转不规则也具有较好的控制效果。此外,对超长结构的温度应力作用、大跨度楼盖的舒适度以及抗浮设计方案进行分析与研究。计算及分析结果表明,结构各项指标能较好满足规范的相关要求,结构布置合理、安全可行。     

粉体含能材料生产与储运中的静电安全及防护

分析了静电产生的原因,阐述了粉体含能材料生产中的静电起电现象、静电的危害、静电安全性评估标准以及建立在此标准基础上的静电放电危险的评价办法,提出了粉体含能材料在生产、运输中所需要采取的静电防护措施。     

页岩油储集层压后焖井时间优化方法

建立了考虑毛管压力、渗透压、膜效应以及弹性能的压裂-焖井-生产多过程多相流模型，提出了以产能最大化为目标的页岩油水平井分段多簇压裂后焖井时间优化方法，采用现场生产数据和商业软件验证了该模型的准确性。基于该模型和方法，根据现场压裂压力数据反演裂缝参数，建立物理模型，模拟了压裂、焖井以及生产阶段储集层孔隙压力、含油饱和度的变化动态，并研究了7种因素对最优焖井时间的影响规律，通过开展正交实验明确了最优焖井时间的主控因素。研究表明，随着焖井时间增加，累计产量增量先快速增加后趋于某一稳定值，变化拐点对应的焖井时间为最优焖井时间。最优焖井时间与基质渗透率、孔隙度、毛管压力倍数及裂缝长度呈非线性负相关，与膜效率、注入液体总量呈非线性正相关，与排量呈近线性正相关。对最优焖井时间的影响程度从大到小依次为注入液体总量、毛管压力倍数、基质渗透率、孔隙度、膜效率、压裂液矿化度和排量。     

界首水文站自动流量比测分析

文章通过对二线能坡法流量自动监测系统获取的流量数据与实测流量数据进行比测和分析,证明了自动流量数据的可靠性,为获取流量数据提供了新的途径.     

赋能通信技术原理及应用展望

针对VHF/UHF频段电台仅能视距通信的应用局限,提出了一种基于对流层散射传播体制的赋能通信技术,并对其原理进行了介绍。该技术在不改变现役VHF/UHF电台硬件结构的前提下,通过建立赋能站和加载对流层散射通信波形,可以在VHF/UHF电台与赋能站之间实现可靠的超视距通信。通过理论分析、信道特性试验以及通信试验证实了该技术的可行性。最后对该技术的应用前景进行了分析。对实现多个被动传感器的优化选择和合理布站,提高目标定位精度有一定的理论和实际意义。     

美国推出洗衣机器人

近日,美国伯克利大学推出了一款洗衣机器人Personal Robot 2(PR2)。该款机器人是Willow Garage公司花费28万美元(合人民币约174万元)研发的,伯克利大学学生给机器人编写软件程序,能完成洗衣服的每个步骤。PR2有两条手臂,每条手臂7个关节,手臂末端是一个可以张合的钳子,其依靠底部的4个轮子移动。在PR2的头部、胸部、肘部、钳子上安装有高分辨率摄像头、激光测距仪、惯性测量单元以及触觉传感器等丰富的传感设     

基于多相滤波器组的非线性回声抵消

在免提通话系统和移动通信设备中，扬声器常常工作在较高的音量下，容易发生过载现象，从而产生明显的非线性声学回声，这在小微型扬声器中更加常见。常用的线性AEC(Acoustic Echo Cancellation)算法无法消除此类非线性回声，因此通话质量受到严重影响。非线性回声主要表现为额外的高频谐波分量，这些分量使得全带系统不再满足线性关系，而通常的AEC算法都是基于最小化全带误差推导而来，因此性能很容易受到非线性失真的影响。本文提出了一种基于多相滤波器组的子带AEC算法，把全带误差变成了各个子带的误差，因而把谐波失真成分变成了某些子带内的加性噪声，这使得谐波失真较小的那些子带依然能够正常收敛。通过仿真和实测实验，当出现非线性失真时，新方法的ERLE(Echo Return Loss Enhancement)明显高于经典的全带时域和频域方法，对于非线性失真明显的语音信号，ERLE提升约10 dB。