作为技术骨干参与导师的新能源汽车域控制器项目，独立完成基于机器学习的扭矩预测模块开发，并主导实车标定验证，提升了量产级代码的工程化能力。

主导公司增程式电动汽车动力系统控制策略的迭代升级，通过引入模型预测控制（MPC）算法，将整车能效提升了12%（基于CLTC工况模拟对比）。

负责与电驱团队联合定义控制器硬件接口，确保软件架构与功率电子模块深度耦合。

搭建了动力系统控制软件自动化测试平台，实现测试用例自动生成与回归，覆盖率提升至98%。

参与插电式混合动力汽车动力域控制策略的研发，提出一种基于实时交通信息的自适应能量管理方法，经台架测试，使车辆等效油耗降低11%。

负责动力域控制器软件的白盒测试与故障注入测试，推动解决多项边界工况缺陷。

与Tier1供应商协同优化CAN FD通信矩阵，将关键指令传输延迟压缩了25%，提升扭矩响应速度。

项目背景：为打造下一代纯电平台，开发高度集成的动力域控制架构。

项目职责：负责扭矩矢量控制与防滑策略的设计与HIL台架验证。

项目成果：实现扭矩响应时间缩短至50ms，通过10万公里强化路试，系统稳定性达到量产标准。

项目背景：某款混动车型在馈电工况下NVH性能不佳，需优化动力分配策略。

项目职责：基于驾驶循环数据，设计模糊逻辑的扭矩分配策略并进行实车标定。

项目成果：馈电工况油耗降低9%，NVH主观评价分数提升明显，通过企业级技术评审。

持有动力系统控制领域发明专利一项：《一种融合路况时空特征的插电混动汽车多目标能量协同优化方法》（专利号：ZL 2020 1 0987654.3）。