构建之法-2021秋-福州大学软件工程
2021秋季软件工程实践总结
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区| 这个作业属于哪个课程 | 构建之法-2021秋-福州大学软件工程 |
|---|---|
| 这个作业要求在哪里 | 2021秋季软件工程实践总结 |
| 团队名称 | 人才市场 |
| 这个作业的目标 | 对该学期软工实践进行个人、团队总结 |
| 学号 | 031902617 |
一、个人总结
1.比开篇博客对课程目标和期待，“希望通过实践锻炼，增强计算机专业的能力和就业竞争力”，对比目前的所学所练所得，在哪些方面达到了期待和目标，哪些方面还存在不足，为什么？
第一次体验了软件开发的整个过程，也基本达到了开篇博客对课程的目标，但也发现了许多不足，好多知识都是现学的，基本都是边学边做，对知识点掌握的不够透彻，学得比较强，用起来也不够熟练，所以后面还得花时间去完善，熟练掌握知识点。
2.总结这门课程的实践总结和给个人带来的提升
统计一下在这门软件工程实践中，完成了多少行的代码；
这次软工实践敲的代码并不是很多，大概2k行吧软工实践的各次作业分别花了多少时间？
作业 花费时间（h） 个人作业一 1 第一次个人编程作业 10 结对作业1 14 结对作业2 20 团队作业 50 哪一次作业印象最深刻？为什么？
团队作业。是一种全新的体验，体验到了团队协作的魅力累计花了多少个小时在软工实践上？平均每周花多少个小时？
大约90个小时吧，每周可能平均10小时，其实感觉并不是平均的，有任务会很忙。学习和使用的新软件；
墨刀、微信开发者工具、idea、pycharm、postman学习和使用的新工具
画图软件、Tower协作平台学习和掌握的新语言、新平台；
springboot学习和掌握的新方法；
在github，码云等网站搜索项目其他方面的提升。
写博客多了打字变快了。。
二、 团队总结
在团队中要和队友多沟通，许多事情要在开始做之前就商量好，不然会发生冲突
三、提出建议
建议分配同专业的一组，便于协调时间
四、团队分析
根据构建之法的四个阶段萌芽阶段，磨合阶段，规范阶段，创造阶段我认为我们达到了磨合阶段团队会公开地讨论，大家都会尊重团的决议，有能力的同学会主动承担一部分职责，其他同学从旁协助，大家互帮互助。
五、软件要求
https://docs.qq.com/doc/DVmlNSFFaTG5aWmhs
六*（选做）、阅读软件工程中关于代码质量的的经典论文，从下列文献中选择一篇或若干篇，结合自己的实际做一个阅读笔记
七、个性发挥，包括图文、照片和创意等
相关推荐
MATLABSimulink模拟及会议论文，关于具备自动温度控制和能耗分析的智能太阳能热水系统。.zip
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
完美复现基于自适应虚拟谐波阬的光储VSG并网电流谐波抑制模型（Simulink仿真实现）
内容概要：本文围绕基于自适应虚拟谐波阬的光储VSG并网电流谐波抑制模型展开研究，提出了一种结合虚拟同步发电机（VSG）控制与自适应虚拟谐波阬技术的谐波治理方案，旨在有效应对光伏发电与储能系统并网过程中产生的特定次谐波问题。通过在Simulink中构建完整的系统仿真模型，详细实现了VSG的惯量阻尼控制、功率环调控以及自适应谐波阬的频率识别与阻抗重塑机制，能够动态跟踪并抑制并网电流中的谐波成分，从而提升电能质量和系统并网稳定性。文章深入剖析了控制器结构设计、关键参数整定方法及谐波抑制效果的仿真验证过程，充分验证了该方法在复杂工况下的有效性、鲁棒性与工程应用潜力。; 适合人群：具备电力电子、新能源并网、电力系统分析等相关专业知识背景的科研人员与工程技术人员，尤其适用于熟悉Simulink仿真环境、掌握基本控制理论与信号处理技术的研究生、高校教师及企业研发人员。; 使用场景及目标：①应用于光伏-储能联合系统的并网逆变器控制设计；②用于提升VSG并网系统的电能质量与抗扰动能力；③为高比例新能源接入场景下的谐波分析与主动抑制策略提供仿真验证平台与技术支撑；④辅助开展新型电力系统中电能质量治理相关的教学与科研工作。; 阅读建议：建议读者结合提供的Simulink模型文件进行同步仿真操作，重点理解VSG控制架构与自适应虚拟谐波阬模块的耦合关系，关注谐波检测、频率自适应调整与复矢量控制的实现细节，并可通过改变负载条件或电网阻抗参数进行多工况测试，以深入掌握系统的动态响应特性与控制性能边界。
机械三维3D设计图-食品皮带机输送除尘消毒设备.zip
机械三维3D设计图-食品皮带机输送除尘消毒设备.zip
机械三维3D设计图-膜厚测定自动搬送设备.zip
机械三维3D设计图-膜厚测定自动搬送设备.zip
负荷预测基于LSTM-Attention、蜣螂优化DBO-LSTM-Attention的负荷预测研究（Python代码实现）
内容概要：本文围绕基于LSTM-Attention与蜣螂优化算法（DBO）改进的LSTM-Attention模型在电力负荷预测中的应用展开研究，采用Python代码实现。研究结合长短期记忆网络（LSTM）对时间序列长期依赖关系的建模能力与注意力机制（Attention）对关键时间步特征的加权聚焦能力，构建基础预测模型，并引入新型群智能优化算法——蜣螂优化算法（DBO），用于自动寻优模型超参数，有效提升模型收敛速度与预测精度。文中详述了模型架构设计、优化流程集成及实验验证过程，通过对比实验证明该混合模型在负荷预测任务中相较传统方法具有更强的非线性拟合能力和更高的预测准确性。; 适合人群：具备一定Python编程基础和机器学习背景，从事电力系统分析、能源管理或相关领域研究的科研人员及工程技术人员。; 使用场景及目标：①应用于短期或中期电力负荷预测任务，提高电网调度的科学性与经济性；②为深度学习与智能优化算法在能源领域的融合应用提供实践案例，促进模型性能优化与实际部署。; 阅读建议：建议读者结合提供的Python代码，深入理解LSTM-Attention模型的构建细节与DBO优化流程，建议在实际数据集上复现实验，进一步掌握参数调优技巧与模型评估方法。
