Skip to content
BranchesTags

Repository files navigation

AquaIntelligence

高价值水产全生命周期数字孪生平台。通过 3D 数字孪生、时序 AI 预测模型及超低时延通信技术，将水产养殖从传统的「被动响应」升级为「主动决策」。

软件项目管理课程项目 | 团队：翁晨昊(PM)、赵杰瑞(Backend)、陈鹏翔(Frontend)、王涵哲(Hardware)

开发状态 (Phase 2 完成 · 2026-05-07)

前端 6 页面 + 后端 5 微服务 + AI 服务 + Docker 设施全部可运行。UI 全面升级，设计系统重写。

层 交付物 技术 端口
前端 3D 数字孪生 / AI 分析 / CEO 看板 / 资产管理 / 移动端 / 运维监控 Vue3 + Three.js + ECharts 5173
后端 WebSocket 枢纽 / 遥测 / 控制 / 规则引擎 / 资产管理 Node.js + TypeScript 3001-3005
AI DO 预测服务 + FCR 优化 Python FastAPI 8000
设施 Redis + MySQL + InfluxDB Docker Compose 3307/6379/8086
工具 传感器数据模拟器 TypeScript -
管理 GitHub Issues Kanban 看板 17 Issues, 13 labels -

快速启动（前端独立模式）

前端无需 Docker、无需后端即可运行。无后端时自动降级到 Pinia 模拟数据。

cd apps/command-center-web
npm install          # 仅首次
npm run dev          # → http://localhost:5173/Software-Project-Management/

浏览器打开后直接可用，所有 5 个页面模拟数据自动填充。

本地构建 & 预览（模拟生产部署）

cd apps/command-center-web
npm run build        # 产出 dist/
npx vite preview     # → http://localhost:4173/Software-Project-Management/

全栈启动（需 Docker + Python）

前置要求：Node.js 18+, Docker Desktop, Python 3.10+

一键本机后端部署可直接使用：

powershell -ExecutionPolicy Bypass -File tools\dev-scripts\start-local-backend.ps1

详细说明见 docs/local-backend.md。

# 0. 安装依赖 (仅首次，耗时约 2-3 分钟)
cd services/realtime-hub && npm install && cd ../..
cd services/telemetry-service && npm install && cd ../..
cd services/control-service && npm install && cd ../..
cd services/rule-engine-service && npm install && cd ../..
cd services/asset-service && npm install && cd ../..
cd ml/do-forecast-service && pip install -r requirements.txt && cd ../..
cd tools/dev-scripts && npm install && cd ../..

# 1. 基础设施
docker compose -f docker-compose.dev.yml up -d

# 2. 前端
cd apps/command-center-web && npm run dev         # :5173

# 3. 后端微服务 (各开终端)
cd services/realtime-hub && npm run dev           # WebSocket :3001
cd services/telemetry-service && npm run dev      # 遥测 :3002
cd services/control-service && npm run dev        # 控制 :3003
cd services/rule-engine-service && npm run dev    # 规则 :3004
cd services/asset-service && npm run dev          # 资产管理 :3005

# 4. AI 服务 (可选)
cd ml/do-forecast-service && python src/serve.py  # :8000

# 5. 数据模拟 (填充数据流)
cd tools/dev-scripts && npx tsx sensor-simulator.ts

GitHub Pages 线上部署

推送 main 分支自动触发 GitHub Actions 构建并发布到 gh-pages 分支。

线上地址：https://pluto114.github.io/Software-Project-Management/

部署架构：

git push main → deploy.yml → npm ci → npm run build → gh-pages 分支 → GitHub Pages

当前状态：

项目 状态
deploy.yml ✅ 已配置（push main + 手动 dispatch）
CI 构建 ✅ 最近 5 次全部成功
gh-pages 分支 ✅ 自动更新
GitHub Pages 开关 ⚠️ 需管理员手动启用

管理员启用 Pages（需 Pluto114 操作）：

  1. 仓库 Settings → Pages → Source 选 Deploy from a branch
  2. Branch 选 gh-pages，目录 / (root) → Save
  3. 若仓库为私有：需先改为 Public（免费），或升级至 GitHub Pro
  4. 等待 1-2 分钟 → 访问上方线上地址

系统架构

采用「云-边-端」三位一体架构，围绕「感知 → 决策 → 执行」闭环展开。

层级 说明 核心指标
感知层（物理端） 传感器 (DO/pH/Temp/ORP/NH3-N) 通过 Modbus-RTU 汇聚至工业网关 10Hz 采样, 4-8 路并发
边缘计算层 数据清洗、本地 PID 自治、断点续传、HMAC 指令验签 断网切换 ≤ 500ms
云端中枢层 WebSocket 引擎、LSTM 预测集群、规则引擎、时序存储 50k msg/s, 10k 并发
展现层（终端） 3D 数字孪生看板 (Web) + 移动端应急 App E2E 延迟 ≤ 200ms

技术栈

模块 技术选型 状态
后端服务 Node.js + TypeScript + Express ✅ 5 个微服务
前端 3D Vue3 + Three.js + ECharts ✅ 6 个页面
移动端 Vue3 响应式 (模拟手机) ✅ /mobile 路由
AI 引擎 Python FastAPI + NumPy (演示) ✅ port 8000
实时缓存 Redis 7 ✅ Docker
关系数据库 MySQL 8.0 ✅ Docker
时序数据库 InfluxDB 2.7 ✅ Docker
容器编排 Kubernetes (K8s) ⏳ 待定
可观测性 Prometheus + Grafana + ELK ⏳ 待定
通信协议 WebSocket 私有二进制帧 (0xAA55) ✅ 已实现
安全 HMAC-SHA256 + JWT ✅ 已实现

关键性能指标

  • E2E 延迟：全链路 ≤ 200ms（采集 30ms + 网络 50ms + 计算 70ms + 渲染 50ms）
  • 并发连接：单集群 10,000 传感器节点
  • 消息吞吐：50,000 msg/s 峰值处理
  • 可用性：99.99% SLA，支持边缘自治
  • AI 预测精度：DO 预测 MAE < 0.5mg/L（2 小时窗口）

目录结构

├── apps/
│   ├── command-center-web/src/
│   │   ├── App.vue                     #   Shell: 顶栏 + 底栏 + 路由
│   │   ├── views/
│   │   │   ├── DigitalTwinDashboard.vue #   3D 数字孪生看板 (Three.js)
│   │   │   ├── AIAnalysis.vue          #   AI 预测分析页 (ECharts)
│   │   │   ├── CEODashboard.vue         #   CEO 管理看板 (KPI+图表)
│   │   │   ├── AssetManagement.vue      #   养殖池 CRUD + 投苗批次管理
│   │   │   ├── ObservabilityDashboard.vue # 系统运维与可观测性看板
│   │   │   └── TechnicianMobile.vue     #   移动端红绿灯+滑动解锁
│   │   ├── components/
│   │   │   └── ThreeScene.vue          #   3D 场景 (水体/传感器/光照)
│   │   ├── composables/
│   │   │   └── useWebSocket.ts         #   WS 客户端 (自动降级 Pinia)
│   │   └── stores/
│   │       └── sensorData.ts           #   数据状态 (ws|sim 双模)
│   └── technician-mobile/              # (骨架，实际页面在 command-center-web)
├── services/
│   ├── realtime-hub/src/               #   WebSocket 枢纽 :3001
│   │   ├── gateway/websocket.gateway.ts #   JWT+心跳+二进制帧
│   │   └── services/message-router.ts   #   Redis Pub/Sub 分发
│   ├── telemetry-service/src/          #   遥测服务 :3002
│   │   ├── ingest/data-ingest.ts       #   中值滤波+3σ+InfluxDB
│   │   └── query/timeseries-query.ts   #   历史/实时查询 API
│   ├── control-service/src/            #   控制服务 :3003
│   │   ├── controllers/command.controller.ts  #  指令下发 API
│   │   └── services/signer.service.ts  #   HMAC-SHA256 签名
│   ├── rule-engine-service/src/        #   规则引擎 :3004
│       ├── engine/rule-evaluator.ts    #   规则评估管线
│       └── rules/do-warning.rule.ts    #   DO 预警规则链
│   └── asset-service/src/              #   资产管理 :3005
│       ├── asset-store.ts              #   养殖池 CRUD + 投苗批次本地持久化
│       └── main.ts                     #   /api/v1/management/*
├── ml/do-forecast-service/src/         #   AI 服务 :8000
│   ├── model/lstm_model.py             #   LSTM 预测 (物理+噪声模拟)
│   ├── model/fcr_optimizer.py          #   FCR 投喂窗口优化
│   ├── serve.py                        #   FastAPI 推理 API
│   └── train.py                        #   训练脚本骨架
├── infra/
│   └── database/init.sql              #   MySQL 建表+种子数据
├── tools/dev-scripts/
│   ├── sensor-simulator.ts            #   边缘网关模拟器 (WS 推送)
│   └── create-issues.sh              #   GitHub Issues 批量创建
├── docker-compose.dev.yml             #   Redis+MySQL+InfluxDB 一键启动
└── PROJECT_BOARD.md                   #   任务看板 (17 Issues)

核心业务流

数据全生命周期（感知 → 决策 → 执行）

  1. 传感器模拟器每 1s 生成仿真数据 → WebSocket 二进制帧上报 (0xAA55)
  2. realtime-hub (3001) 解析帧 → CRC-16 校验 → Redis Pub/Sub 广播
  3. telemetry-service (3002) 拉取 → 中值滤波 + 3σ 清洗 → Redis 快照 + InfluxDB 持久化
  4. rule-engine-service (3004) 监听 → 阈值/趋势/复合风险评级 → 告警发布
  5. AI 引擎 (8000) 2h DO 趋势预测 + FCR 投喂窗口优化
  6. 前端同时消费 WebSocket 实时流 + REST API (预测/历史/控制)，断连自动降级 Pinia 模拟

演示数据链路

sensor-simulator  →  WebSocket (0xAA55 binary frames)
                  →  realtime-hub :3001  →  Redis Pub/Sub
                                         →  telemetry-service :3002  →  InfluxDB
                                         →  rule-engine-service :3004
                  →  前端 :5173 (WebSocket + REST API)

设计延迟预算（200ms E2E，课程设计目标）

阶段 预算 负责
边缘采集与预处理 (模拟) ≤ 30ms 王涵哲 (Hardware)
网络传输 (WebSocket) ≤ 50ms 赵杰瑞 (Backend)
云端逻辑与 AI 推演 ≤ 70ms 赵杰瑞 (Backend)
前端双缓冲渲染 ≤ 50ms 陈鹏翔 (Frontend)

四个核心子系统

子系统 功能 状态
感知子系统 协议适配、数据清洗、心跳监测 ✅ 模拟器替代
计算子系统 DO 预测引擎、风险评级、规则库 ✅ Mock LSTM + FCR 优化
交互子系统 3D 数字孪生渲染、时序看板、移动端 ✅ 5 页面可运行
控制子系统 反向控制网关、HMAC 指令签名 ✅ API 完整

团队职责 (RACI)

成员 角色 核心职责
翁晨昊 PM / 架构师 需求定义、架构设计、Issue 管理、安全验签
赵杰瑞 Backend WebSocket 引擎、遥测/控制/规则微服务、AI 预测模型
陈鹏翔 Frontend 3D 数字孪生引擎、Web 指挥中心、移动端 App
王涵哲 Hardware 底层硬件协议设计、传感器选型文档、边缘自治逻辑

交付里程碑

节点 日期 内容 状态
M1 需求基线 2026-03-01 SRS 评审通过，原型图封版 ✅
M2 核心研发 2026-03-25 WebSocket 引擎与 3D 静态建模完成 ✅
M3 集成测试 2026-04-05 全链路贯通，核心链路可演示 ✅ Phase 1
M4 正式交付 2026-04-14 结项验收，交付全套基线文档与源码 ⏳ 待后续
M5 Phase 2 2026-05-07 运维看板 + UI 设计系统重写 + 8 项缺陷修复 ✅ Phase 2

Phase 1 完成于 2026-05-04：前端 4 页面 + 后端 4 微服务 + AI 服务 + Docker 设施 + 数据模拟器全部可运行。11/17 GitHub Issues 已关闭。

Phase 2 完成于 2026-05-07：新增运维可观测性看板（E2E延迟图 + 网关拓扑 + 服务器资源 + 日志流）、全局 Design System 重写（深邃工业暗色主题，#0a0e17 底色）、CEO 看板修正（图表布局不重叠 + CSV UTF-8 BOM 中文不乱码）、AI Analysis 渐变色修正（明确色值映射替代正则替换）、移动端传感器字段匹配修复（s.name → s.key）、ThreeScene gsap 依赖移除（手动 requestAnimationFrame 缓动）。共 +1 新页面、8 项缺陷修复、1 次设计系统重构。已推送到 GitHub main 分支。

About

谁还有多余token

software-project-management-two.vercel.app

Resources

Readme
MIT license
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Contributors

Languages