•在《新能源车辆动力系统》课程中，带领小组完成基于扩展卡尔曼滤波的锂电池SOC估算仿真，使用Simulink搭建模型并对比了安时积分与观测器方法的精度，最终报告获评课程优秀案例。
•参加全国大学生智能汽车竞赛，负责电池能量管理策略设计，针对赛道功率需求实时优化放电曲线，帮助团队在节能组别中获得华东赛区二等奖。
•参与导师‘智能网联汽车能量优化’课题，独立开发了基于动态规划的电池-超级电容复合电源分配算法，在NEDC工况下使电池峰值电流降低约18%，为后续车规级嵌入式实现提供了算法原型。
蔚来汽车 - 电池系统部新能源汽车头部企业创新型科技公司
2016.07-2021.06
•主导车载储能系统管理算法的研发，涵盖荷电状态（SOC）、健康度（SOH）估算及均衡策略等核心功能的建模与迭代优化。
•与固件开发部门协同，完成算法在车规级MCU平台的部署，通过实时性验证与稳定性调试。
•负责电芯衰退机理的数据挖掘，基于多维度退化数据构建寿命预测模型，为电池全生命周期管理提供决策依据。
•参与整车动力系统集成项目，统筹算法方案设计并推进实施，保障节点按时交付。
比亚迪 - 动力电池研发部全球知名新能源企业电池技术领先
2013.07-2016.06
汽车电池算法工程师热管理算法充放电策略电池健康评估
深圳
•承担动力电池热场管理算法的设计与实现，结合计算流体动力学仿真及台架测试数据，构建热力学模型，实现电池组温度分布的精准估算与主动调控。
•改进充放电管理策略，深入分析电化学特性，提升能量转换效率与运行安全性，延缓容量衰减。
•带领小组完成SOH评估算法的重构，将估计偏差控制在3%以内，达到业界先进水平。
•主动参与外部技术论坛，引进数据同化等先进理念，强化算法竞争力。
•作为核心成员，负责SOC估算算法的研发。基于电池充放电特性，采用无迹卡尔曼滤波（UKF），融合实时传感数据，将SOC估算精度提升至±2.5%（行业基准±5%）。
•主导算法在BMS主控芯片上的移植与效率优化，通过代码重构与定点化处理，使运算耗时降低25%，适配车规级实时性要求。
•成果已搭载于多款量产车型，累计装车逾12万辆，市场反馈电池剩余里程显示可靠性高，增强了产品口碑。
•参与项目，负责热失控早期预警算法的探索与开发。采集电池在热滥用条件下的多模态特征信号，利用梯度提升树（如XGBoost）构建预警模型。
•模型经交叉验证与实验测试，预警准确率达到96%以上。
•该算法已嵌入新一代BMS产品，为车辆安全防护提供关键支撑，相关研究成果发表于行业核心期刊。
车规级算法嵌入式优化:
在英飞凌TC387平台上重新实现电池状态估计算法，通过将关键浮点运算转为定点运算，并利用DSP指令集加速矩阵操作，使单次估算周期从4.2ms压缩至1.6ms，满足实时控制需求。
针对多核架构设计任务并行流水线，将电压采样滤波、SOC计算和故障诊断分配到不同核上，利用共享内存避免数据拷贝，整体任务执行时间缩短了35%。
优化代码存储布局，将频繁访问的查表数据搬移到TCM中，结合Cache预取策略，大幅降低了闪存访问延迟，对算法实时性波动改善明显。
实验数据挖掘与特征工程:
利用Python搭建电池充放电数据自动处理流水线，对数百个循环的电压、电流、温度数据进行清洗和重构，通过异常检测算法剔除传感器漂移所致的伪数据点，提高了数据质量。
从高维老化数据中提取表征容量衰减的微分容量曲线峰特征，并基于随机森林算法筛选出3个强相关特征，为后续的SOH估计模型提供了简洁有效的输入向量。
针对某款三元锂电池的HPPC测试数据，使用聚类方法识别不同SOC区间内的阻抗谱模式，发现中段SOC区域存在明显的双IM效应，据此优化了等效电路模型阶次，提升了SOC估计精度。
