课程学习与发展规划

 1. 现有优势

  • 能源/流体背景：熟悉管道运输、流体力学、热力学，理解大型能源系统运行。

  • 电子技能：具备 PCB 设计、单片机、汇编语言基础，可进行基础电路设计与嵌入式开发。

  • 仪器经验：接触过特殊用途电子仪器，主要是气象仪器，熟悉传感器与数据采集应用。

  • 数据意识：对测量、建模、数据处理有浓厚兴趣，适合转型可再生能源与工程数据分析领域。

2. 未来工作方向

  • 能源与可再生能源工程

    • 风能、电力系统、能源传输与存储

    • 能源公司、环保工程机构

  • 电子与仪器工程

    • 气象监测设备、传感器与测控系统

    • 工程测量与环境监测仪器

  • 系统建模与工程咨询

    • 建立能源/流体/电力系统模型

    • 提供工程分析与优化建议

  • 跨界角色

    • 同时理解能源系统与电子仪器 → 符合绿色能源产业对复合型人才的需求。

3. 课程学习规划（PGDip Engineering, 120 学分）

第一学期（基础 + 电子方向强化）

  1. ENGE800 Engineering Numerical Techniques and Statistical Analysis （15 pts）
    → 补强数学与统计分析能力，支持后续建模与数据研究。

  2. ENGE808 Advanced Measuring Systems （15 pts）
    → 深化测量与传感器系统，结合电子技能快速进步。

  3. ENEL803 Electrical Design and Protection （15 pts）
    → 补充电气工程知识，理解电路设计与电气安全。

  4. ENGE803 Innovation Management（15 pts，可选）
    → 扩展创新与项目管理技能，适合未来工程项目环境。

第二学期（系统建模 + 能源拓展）

  1. ENGE807 Selected Topics in System Modelling （15 pts）
    → 强化系统建模能力，适用于能源/流体/电力仿真。

  2. Renewable Energy / Power Systems（15 pts，如当年开课）
    → 直接衔接绿色能源应用，就业导向性强。

  3. ENGE809 Specialist Readings （15 pts，自选方向）
    → 可定制主题，如 Embedded Systems for Energy Monitoring 或 Wind Energy Instrumentation。

  4. Elective Paper（与兴趣或未来方向相关） （15 pts）
    → 可选数据分析、通信系统或工程管理方向的课程。

4. 总体路线

  • 学习线索：数理基础 → 测量与电子 → 系统建模 → 能源应用

  • 能力塑造：成为既懂能源系统运行，又能开发/应用气象与电子仪器的复合型工程人才。

  • 就业定位：进入 能源公司、可再生能源项目、工程咨询机构、仪器公司，在绿色转型背景下具备较强竞争力。

评论

发表评论

此博客中的热门博文

导数学习总结（含图示）

图片
1. 导数的核心概念 定义 ：导数 (Derivative) = 函数在某一点的变化率 (rate of change)。 几何意义 ：曲线在某点的切线斜率 (slope of tangent)。 物理意义 ：速度、加速度、温度变化率、电流变化率等。 👉 导数是 结果（某点的变化率） ； 👉 求导是 过程（找到导函数的方法） 。 2. 导数的正负与大小 导数 > 0 ：函数递增（曲线向上） 导数 < 0 ：函数递减（曲线向下） 导数 = 0 ：水平切线，可能是极大值或极小值 数值大小 ：决定变化快慢（斜率陡峭度）。 3. 问答：导数一定是常数吗？ ❓ 问题 ：有的函数的求导结果是常数，有的却还是一个函数，这是为什么？ ✅ 回答 ： 对于 直线函数 （例如 y = 2 x + 1 y=2x+1 y = 2 x + 1 ）： 求导结果是常数： d y d x = 2 \frac{dy}{dx}=2 d x d y ​ = 2 含义：斜率处处相同，变化率恒定。 对于 曲线函数 （例如 y = x 2 y=x^2 y = x 2 ）： 求导结果是一个函数： d y d x = 2 x \frac{dy}{dx}=2x d x d y ​ = 2 x 含义：斜率随 x 改变，变化率不恒定。 👉 总结： 直线 → 导函数是常数；曲线 → 导函数依赖 x 。 4. 图示对比 直线 y=2x+1 ：导数恒定 = 2 曲线 y=x² ：导数 = 2x，随位置而变 （图示：直线 vs 曲线的导数对比） 5. 常见函数导数公式 幂函数： d d x ( x n ) = n x n − 1 \frac{d}{dx}(x^n) = n x^{n-1} d x d ​ ( x n ) = n x n − 1 指数函数： d d x ( e x ) = e x \frac{d}{dx}(e^x) = e^x d x d ​ ( e x ) = e x 对数函数： d d x ( ln ⁡ x ) = 1 / x \frac{d}{dx}(\ln x) = 1/x d x d ​ ( ln x ) = 1/ x 三角函数： d d x ( sin...
阅读全文

数值计算中的误差总结

1. 真实误差 (True Error) 定义 ： e t = 真实值 − 近似值 e_t = \text{真实值} - \text{近似值} 特点 ：有正负，能说明近似值是偏高还是偏低。 2. 绝对误差 (Absolute Error) 定义 ： e a = ∣ e t ∣ = ∣ 真实值 − 近似值 ∣ e_a = | e_t | = |\text{真实值} - \text{近似值}| 特点 ：非负，只表示误差大小，不区分方向。 意义 ：工程中常用来限定精度，例如“误差不超过 0.1”。 3. 相对误差 (Relative Error) 定义 ： e r = e a ∣ 真实值 ∣ e_r = \frac{e_a}{|\text{真实值}|} ​ ​ 特点 ：无量纲，常用百分比表示。 意义 ：反映误差相对于真实值是否重要，比绝对误差更直观。 注意 ：当真实值接近 0 时，相对误差可能会变得极大甚至无意义。 4. 三者比较 项目 真实误差 (eₜ) 绝对误差 (eₐ) 相对误差 (eᵣ) 公式 e t = 真实值 − 近似值 e_t = \text{真实值} - \text{近似值} e t ​ = 真实值 − 近似值 (e_a = e_t 正负 可正可负 ≥ 0 ≥ 0 意义 误差方向（高估/低估） 误差大小 误差占真实值的比例 单位 与真实值相同 与真实值相同 无量纲（常用 %） 应用 理论分析 工程精度规定 不同数量级的比较 5. 举例 例子 A（误差较小） 真实值 = 1000，近似值 = 1001： 真实误差： e t = 1000 − 1001 = − 1 e_t = 1000 - 1001 = -1  → 偏大 绝对误差： e a = 1 e_a = 1 相对误差： e r = 1 / 1000 = 0.001 = 0.1 % e_r = 1/1000 = 0.001 = 0.1\% 👉 差了 1 个单位，但只占 0.1%，可以认为很精确。 例子 B（误差较大） 真实值 = 2，近似值 = 3： 真实误差： e t = 2 − 3 = − 1 e_t = 2 - 3 = -1  → 偏大 绝...
阅读全文

统计基础与仪器精度

一、风速与湍流 平均风速 ： Ū = (1/n) Σ Uᵢ 标准差 ： σ = sqrt( (1/n) Σ (Uᵢ - Ū)² ) 湍流强度 TI ： TI = σ / Ū （相对指标；TI<10% 稳定，≥20% 湍流强） 二、统计学核心概念对比 名称 英文 公式 含义 应用 方差 Variance σ² = (1/n) Σ(xᵢ- x̄)² 平方平均偏差 理论推导 标准差 Standard Deviation σ = sqrt((1/n) Σ(xᵢ- x̄)²) 波动幅度 数据波动性、TI 均方根 RMS √((1/n) Σxᵢ²) 有效大小 电学有效值、振动 三、仪器精度（YOUNG 81000） Speed of Sound ：Range 300–360 m/s；Resolution 0.01 m/s； Accuracy: ±0.1% rms ±0.05 m/s （0–30 m/s wind） 相对误差 = 0.1% × c；固定误差 = ±0.05 m/s。合成后总体误差（常温 c≈330–350 m/s）：≈  ±0.35–0.40 m/s （RSS≈0.35，相加≈0.40）。 Sonic Temperature（虚温） ：Range -50–+50 ℃；Resolution 0.01 ℃；Accuracy ±2 ℃（用于湍流/通量研究）。 四、数学符号与 RMS Σ（求和） ：Σ xᵢ = x₁ + x₂ + … + xₙ RMS（均方根） ：x rms  = √((1/n) Σ xᵢ²)；正弦波 sin(t) 的平均值 = 0，但 RMS = 0.707… > 0。 五、Matplotlib Python 绘图库；可画折线、散点、直方、3D、等高线等，用于科研与工程可视化。 今日重点 TI = σ/ Ū； 方差/标准差/RMS 区别； 精度 = 相对误差 + 固定误差，并合成； rms = 均方根（统计意义）； Matplotlib 用于可视化与报告。
阅读全文