ddl战士——Beta冲刺Day4

ddl战士 2025-11-29 20:23:06
这个作业属于哪个课程2501_CS_SE_FZU
这个作业要求在哪里团队作业—Beta冲刺
这个作业的目标Beta冲刺Day4
其他参考文献《构建之法》、Google Style Guides

目录

  • 一、SCRUM 部分
  • 成员描述
  • commit记录
  • 会议照片
  • 二、PM 报告
  • 任务量总结
  • 燃尽图
  • 任务总量变化
  • 最新运行效果

一、SCRUM 部分

成员描述

陈志豪(敌人模块)昨日至今完成模块最终收尾:一是任务 E-011 “掉落物回收淡出动画实现”,为超时未拾取的掉落物添加 0.5 秒淡入淡出效果,提升视觉体验;二是任务 E-012 “敌人模块文档整理”,编写核心功能说明、参数配置指南及常见问题排查文档。无新增技术问题。敌人模块已 100% 完成,后续无任何开发任务。
胡定赟(UI/UX 设计)完成 UI 模块最终优化:一是任务 U-011 “低分辨率文字模糊修复”,通过调整字体抗锯齿等级与文字缩放算法,彻底解决最后 1 处低分辨率机型文字模糊问题;二是任务 U-012 “UI 模块文档整理”,汇总所有 UI 组件的锚点配置、适配规则及动画参数。无新增困难。UI 模块全部完成,后续仅需配合测试做最终验证,预计耗时 0.5 小时。
阮航宇(地图与资源设计)昨日至今完成地图最终校验与优化:一是任务 M-012 “地图最终完整性校验”,逐一排查所有通道、障碍物、道具点的碰撞与显示,未发现遗漏问题;二是任务 M-013 “地图资源清单整理”,列出所有纹理、预制体资源的大小、用途及优化记录。无技术问题。地图模块已全部收尾,后续无额外工作。
许晓镔(攻击模块)完成攻击模块最终配置与文档:一是任务 C-008 “武器时序配置预设补充”,添加近战剑、远程弓 2 种常用武器的时序参数预设(判定激活时间、冷却时间等);二是任务 C-009 “攻击模块文档整理”,编写攻击组件集成步骤、参数调整指南及手感优化建议。无新增问题。攻击模块已全部完成,后续无开发任务。
汪涛(测试与性能优化、玩家模块)昨日至今完成测试与玩家模块收尾:一是任务 T-005 “测试报告最终整理”,汇总 4 天测试数据、问题修复记录及性能优化效果(帧率、内存占用等);二是任务 P-009 “玩家模块最终验证”,测试重生、移动、受击等核心功能在多场景下的稳定性,未发现异常。无新增问题。测试与玩家模块全部完成,后续仅需归档测试文档。
莫馥玮(技能模块)完成技能模块最终测试与文档:一是任务 S-010 “技能系统全场景测试”,覆盖所有技能的释放、命中、元素效果及快捷键自定义,未发现功能漏洞;二是任务 S-011 “技能模块文档整理”,编写技能组件集成、参数配置及元素效果逻辑说明。无技术困难。技能模块已 100% 完成,后续无开发任务。

commit记录

img

会议照片

img

二、PM 报告

任务量总结

预期总任务量:36 个 Issue(Day3 最终更新,预估总工时 135 小时)
已完成工作量:35 个 Issue(累计耗时 130 小时,其中 Day4 完成 7 个 Issue,耗时 15 小时)
剩余工作量:1 个 Issue(预估剩余工时 5 小时,为项目整体文档汇总与归档))

燃尽图

img

任务总量变化

无新增未预期任务(Day4 聚焦收尾优化与文档整理,无新发现问题)
任务总量变化:36 个 → 36 个 Issue(无新增,收尾阶段稳定)

最新运行效果

img

...全文
129 回复 打赏 收藏 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文研究了一种面向燃料电池系统建模的极化曲线参数辨识方法,通过将人工蜂群算法(ABC)与Amphlett电化学模型相耦合,实现对质子交换膜燃料电池(PEMFC)关键性能参数的高精度全局优化辨识,并引入不确定性量化分析以评估参数估计的置信水平。研究系统阐述了Amphlett模型的物理机制与数学表达,构建了以实验测得的极化曲线数据为基准的目标函数,将参数反演问题转化为高维非线性优化问题,并利用人工蜂群算法强大的全局搜索能力和避免陷入局部最优的特性进行高效求解。文中深入分析了算法的收敛特性、参数敏感性及可辨识性,验证了该方法在提升燃料电池模型精度、鲁棒性与泛化能力方面的显著优势,为燃料电池系统的精确仿真、动态性能预测、控制策略设计与健康状态评估提供了坚实可靠的模型基础; 适合人群:具备一定电化学、热力学及优化算法理论基础,从事新能源技术、燃料电池建模与仿真、能源系统优化等相关领域的研究生、科研人员及工程技术人员; 使用场景及目标:①实现质子交换膜燃料电池半经验模型(如Amphlett模型)中关键参数的精确辨识;②学习并掌握群体智能优化算法(特别是人工蜂群算法)在复杂工程反问题中的应用方法;③开展燃料电池系统建模过程中的不确定性量化分析,评估模型参数的可靠性与稳健性;④为燃料电池的性能评估、故障诊断、寿命预测及系统级仿真与控制提供高保真度的数学模型支持; 阅读建议:此资源以Matlab代码实现为核心载体,深度融合了电化学理论、优化算法与数值计算,读者在学习过程中应重点理解Amphlett模型的构建逻辑、目标函数的设计原则以及人工蜂群算法的实现细节与关键参数设置,并强烈建议动手运行、调试代码,通过改变初始种群、实验数据集或模型结构等方式,深入探究参数辨识过程的收敛行为、算法性能差异及模型的适应性。
文末附数据集可视化效果图。 【数据集概况】 · 检测类别(中文):[大豆(soybean)] · 训练集:777 张 · 验证集:0 张 · 测试集:0 张 · 总计:777 张 该数据集聚焦农业科研领域,针对温室环境下大豆幼苗的精准检测需求,为植物生长监测与自动化管理提供高质量数据支撑。训练集777张,验证集和测试集为0张,符合农业科研场景中对特定生长阶段样本集中训练的需求,确保模型在目标场景下的泛化能力。所有样本均采用精准的边界框标注,标注规范统一,确保了数据集在大豆幼苗检测任务中的高精度与可靠性。该数据集可应用于农业科研机构的植物生长监测系统、智能温室管理平台等场景,... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9922** mAP50-95 | 0.9141 Precision | 0.9771 Recall | 0.9710 train/box_loss | 0.4231 train/cls_loss | 0.1829 val/box_loss | 0.3920 val/cls_loss | 0.1737 【训练过程分析】 100 轮训练后 mAP50 达到 0.9922,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。mAP50-95 为 0.9141,和 mAP50 差距仅 0.08,框的定位精度也很扎实。 【模型性能评估】 Precision 0.9771、Recall 0.9710,精召双高,模型对大豆的检测能力强。...
内容概要:本文研究了利用数字相控阵雷达技术抑制风力涡轮机对雷达系统造成的杂波干扰问题,并提供了基于Matlab的完整仿真代码实现。通过建立风力涡轮机雷达回波模型,分析其运动部件(如叶片)产生的多普勒频移与闪烁效应所导致的复杂杂波特性,提出采用数字相控阵雷达的空间波束成形、自适应波束控制和空时滤波等信号处理方法,有效增强主瓣指向性、抑制旁瓣干扰并提升目标分辨能力。研究涵盖雷达系统参数设计、杂波建模、阵列信号处理算法开发及仿真结果可视化等关键环节,验证了该技术在提升风电场周边雷达探测性能方面的可行性与优越性。; 适合人群:具备雷达信号处理、电子信息系统或电磁兼容等相关专业背景,熟悉Matlab编程,从事新能源与雷达兼容性研究、智能感知系统开发、空中交通监视系统设计的科研人员及研究生。; 使用场景及目标:①解决风力发电场密集区域对民用航空雷达、气象雷达等探测系统的电磁干扰问题;②提升复杂电磁环境下雷达系统对低空慢速目标的检测与跟踪能力;③为雷达工程师提供一套可复现、可扩展的杂波抑制算法仿真平台,用于优化雷达抗干扰策略; 阅读建议:建议读者结合Matlab代码逐模块运行与调试,重点理解雷达回波建模中风力涡轮机运动特性的数学表达,以及波束成形与自适应滤波算法的实现逻辑,建议配合雷达原理与阵列信号处理教材深入学习,以全面掌握技术细节并开展二次开发。

103

社区成员

发帖
与我相关
我的任务
社区描述
2501_CS_SE_FZU
软件工程 高校
社区管理员
  • FZU_SE_LQF
  • 木村修
  • 心态773
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧