第七周个人周报-197242-李鑫磊

197242-李鑫磊 2026-05-11 11:40:56

 一、本周任务执行情况

任务

情况

预计用时

实际用时

优化注册登录界面样式与交互

完成

2h

2h

实现密码规则校验:数字 + 字符、长度 8-20 位

完成

2h

2h

编写注册登录模块需求文档

完成

2h

2h

编写界面与功能设计文档

完成

3h

3h

联调测试登录、注册、校验逻辑

完成

1h

1h

二、本周个人工作中的困难与解决方案
困难:
1. 密码规则校验逻辑不清晰,前端正则表达式容易写错,导致校验不准确。
2. 需求文档与设计文档的结构、内容要点不明确,不知道如何规范撰写。
3. 优化界面时需要保持整体风格统一,调整布局与提示样式耗时。

解决方案:
1. 使用标准正则实现校验,确保密码必须包含数字+字符且长度8-20位。
2. 参考标准文档模板,明确需求、流程、字段、规则、异常提示等内容,规范完成文档编写。
3. 统一页面配色、间距、提示文案,分步调整布局,做到简洁易用。

三、本周学习内容
1. 学习前端表单验证规则,掌握密码强度校验的正则写法与实时提示逻辑。
2. 学习需求文档(PRD)的标准结构:功能描述、流程、字段规则、异常处理。
3. 学习设计文档编写:界面结构、交互逻辑、数据格式、校验规则。
4. 掌握注册登录模块的完整开发流程:界面→校验→交互→文档。

四、个人对本周工作的感悟
本周主要完成注册登录模块的优化与文档编写工作,所有任务都按时完成。我体会到规范的校验规则和清晰的文档对项目非常重要,一个简单的密码校验也需要严谨逻辑。

写文档让我学会先梳理需求再写代码,而不是边做边想,大大减少返工。遇到正则问题时,先查规则再调试,比反复试错更高效。

未来我会继续强化表单校验、前端交互与文档编写能力,做到功能更稳、界面更美观、文档更标准。

 

...全文
320 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:本文系统研究了交直流混合微电网中互联变换器采用的归一化下垂控制策略的内在机理,深入剖析了系统中存在的频率与电压耦合特性、功率再分配的边界条件,以及在孤岛运行模式下遭遇多重扰动时的动态响应规律。通过构建Simulink仿真模型,全面验证了该控制策略在实现交直流子系统间功率精确协调分配、维持系统频率与母线电压稳定方面的有效性。研究不仅揭示了不同运行工况和扰动场景下系统的动态特性与恢复能力,还重点探讨了控制参数对系统鲁棒性和稳定性的关键影响,阐明了归一化下垂控制在提升微电网自治运行能力和应对复杂工况方面的核心作用与技术优势。; 适合人群:具备电力系统、微电网或电力电子等相关专业背景,从事新能源并网、分布式能源系统控制、智能电网技术研发工作的工程师、研究人员及高校相关专业的研究生。; 使用场景及目标:①深入理解交直流混合微电网中互联变换器的协同控制原理与功率平衡机制;②掌握归一化下垂控制策略的设计方法、参数整定原则及其对系统小信号与大信号稳定性的影响;③学习并实践利用Simulink进行复杂微电网系统的动态建模、多工况仿真与多扰动响应分析,为新型微电网控制器的设计、优化与工程应用提供坚实的理论依据和技术支持。; 阅读建议:此资源强调理论分析与仿真实践的高度结合,读者应在透彻理解控制理论与系统建模原理的基础上,亲自动手复现文中的Simulink仿真模型,通过调整控制参数、设置不同的负载投切与故障扰动场景,深入探究控制策略的动态响应过程、稳定边界与鲁棒性表现,从而获得深刻的认知。
内容概要:本文针对风力涡轮机对雷达探测造成的杂波干扰问题,研究了利用数字相控阵雷达进行杂波抑制的方法,并提供了基于Matlab的代码实现。通过数字波束成形技术,相控阵雷达能够灵活调整发射与接收波束的方向,从而增强目标回波信号的同时有效抑制来自风力涡轮机的强杂波干扰。文中系统阐述了雷达信号建模、风力涡轮机杂波特性的数学描述、数字波束成形算法的设计与优化过程,并通过仿真实验验证了所提方法在不同场景下的有效性。该研究为解决风电场周边雷达探测性能下降问题提供了理论依据和技术路径,具有较强的工程应用前景。; 适合人群:具备一定雷达信号处理或数字信号处理基础,从事相关领域研究的研发人员和高校研究生。; 使用场景及目标:①应用于雷达系统设计中以提高在复杂电磁环境下的目标检测与跟踪能力;②用于教学与科研工作中作为案例分析,深入理解数字相控阵雷达的工作原理、波束成形机制及其在实际工程中的应用价值;③为风电场附近雷达站的抗干扰设计提供技术支持。; 阅读建议:建议读者结合Matlab代码动手实践,深入理解算法实现细节,同时配合文中理论推导,掌握信号模型构建、杂波抑制策略设计及仿真验证的全流程,以全面提升在雷达信号处理领域的综合能力。
已训练模型权重加PyQt可视化工程,省去训练调参时间,毕设课设直接可用。 【数据集概况】 · 检测类别(中文):[强制标志(Mandatory signs), 其他(Others), 优先标志(Priority signs), 禁止标志(Prohibitory signs), 警告标志(Warning signs)] · 训练集:420 张 · 验证集:60 张 · 测试集:120 张 · 总计:600 张 该数据集聚焦于城市道路环境下的交通标志检测,通过车载视角采集真实场景数据,为智能交通系统提供高精度识别基础,具有重要的实际应用价值。 该数据集在训练集、验证集和测试集之间进行了科学划分,训练集420张、验证集60张、测试集120张,分布比例合理,确保了模型训练的充分性和评估的可靠性。 该数据集的标注工作严谨细致,所有交通标志均经过精准定位和规范分类,标注边界清晰、类别准确,体现了高质量的数据处理标... 【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 88 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9280** mAP50-95 | 0.6656 Precision | 0.9039 Recall | 0.8545 train/box_loss | 1.0433 train/cls_loss | 0.6473 val/box_loss | 1.1456 val/cls_loss | 0.6384 【训练过程分析】 88 轮训练后 mAP50 达到 0.9280,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...

259

社区成员

发帖
与我相关
我的任务
社区描述
CUG软件工程基础学习社区
团队开发软件工程敏捷流程 高校 湖北省·武汉市
社区管理员
  • EasonBeckham
  • Lucky_Limp
  • h6ldZywoo
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