百度电控制动工程师（J69995）
任职要求
-本科及以上学历，软件工程、车辆工程、机电类相关专业 -5年及以上电控制动系统设计开发经验，熟悉主流电控制动产品的工作原理和性能，具备智能驾驶车辆制动系统正向开发量产交付项目经验 -熟悉制动系统功能表现和控制逻辑 -熟练掌握制动系统设计开发流程及试验规范、技术标准、法律法规 -熟练掌握CANape、CANoe、CANalyzer等CAN总线分析和标定工具，能够独立进行数据分析和问题排查 -具备较强的项目和产品管理能力，能进行软硬件产品的全生命周期管理，包括计划、进度、成本、质量、交付物等 -责任心强，目标驱动，创新探索并有良好内外部沟通和极强的管理协调能力
工作职责
-负责收集和分析包括各模块对制动系统的功能需求，完成电控制动子系统的功能逻辑设计，以及冗余制动功能的设计，分解需求并输出相关的功能规范和软件需求 -负责与供应商澄清相关功能和软件需求，并根据项目节点制定软件发布计划和功能验证方案 -编制功能测试用例和测试计划，搭建搭建台架/实车验证环境，对供应商的校样及软件逻辑进行测试，确保功能的正确实现 -配合自动驾驶团队完成台架或实车的调试工作 -评审和监督供应商开发的软件质量，软件交付物和软件发布测试相关的审核和确认 -建立和完善电控制动系统的设计开发流程，设计和发布相关的试验规范、设计标准和工程分析方法；组织建立并不断完善各类设计开发数据库
职位内容： 1)软件开发： 牵头完成线控制动的软件架构定义，并配合架构完成软件部署的方案制定; 牵头制动算法软件的需求分析、详细设计及测试方案评审，以及制动算法软件新技术，新架构 ，新方案设计和评审; 牵头线控制动功能开发与算法设计，包括多执行器车辆横向稳定控制，驱制动融合，以及相应模块（ABS/VDC/TCS/VAFs/CRB等）的开发工作，协调团队保证项目开发进度; 牵头SiL&HiL制动控制算法的开发和测试用例定义，满足并优化小鹏开发流程和质量要求; 管控开发流程、技术规范、技术标准、数据库等各类技术文件的落地。 2）问题支持 牵头开发过程中的问题原因分析并制定解决方案; 支持测试工程师测试规范、测试用例开发，测试执行和问题分析; 其他线控制动及多执行器协调控制系统涉及问题的分析和解决。
1.电驱动总成匹配应用相关功能和性能需求收集、分析与实施方案制定； 2.电驱系统（电机、逆变器、减速器等）的台架标定与性能优化，包括扭矩控制、效率标定、热管理策略、NVH调校等，确保系统高效、可靠运行； 3.主导电驱系统与整车控制单元（VCU）的协同标定，优化动力分配策略，提升驾驶性、经济性及动力性表现； 4.参与下一代电驱技术的标定开发，推动电驱系统的高功率密度、轻量化及低能耗目标实现； 5.支持智能化线控底盘技术（线控制动、线控转向）的集成标定，确保与电驱系统的协同控制； 6.策划并执行电驱系统台架及整车标定试验（含高温、高原、高寒“三高”环境测试），分析数据并解决标定和测试过程中的技术问题； 7.对量产及售后问题提供技术支持，主导故障根因分析与改进方案制定； 8.制定电驱系统标定流程、技术规范及工具链建设，推动标定效率提升； 9.指导初级工程师，组织技术培训，引入AI驱动的标定工具（如端到端模型优化、大语言模型辅助决策）； 10.标定数据评审、版本管理、需求的闭环认可和数据发布； 11.面向横向产品开发团队的标定数据与测试支持； 12.内部项目的横向组织和协调，制定方案持续推动性能优化，达成产品竞争力目标。
1、负责数字化底盘架构车辆动力学核心技术的创新研究，包括但不限于：线控底盘（Brake-by-Wire/Steer-by-Wire）、智能悬架（主动/半主动）、轮毂电机扭矩矢量控制、自动驾驶与动力学协同控制等； 2、探索AI/ML在车辆状态参数估算、动态响应预测与实时控制中的应用（如强化学习控制算法）； 3、研究新型车辆底盘架构（如轮边角模块等）对车辆动力学特性的挑战与解决方案； 4、与自动驾驶、电驱动系统、轻量化材料团队合作，优化整车动态性能（如舒适性、操纵稳定性、能量效率）； 5、构建高精度车辆动力学仿真模型（多体动力学、高保真轮胎模型等），支持数字孪生与SIL/HIL等在环测试； 6、开发基于云平台的动力学参数标定与OTA更新技术； 7、跟踪产业界、学术界前沿技术进展，探索在数字化底盘领域相关车辆动力学相关业务场景上的应用落地路径，持续迭代优化。 【课题名称】数字化底盘动力学研发 【课题内容】本课题聚焦于数字化底盘系统中车辆动力学研发工作，通过构建高保真、多场景适用的数字化底盘汽车动力学特性预测分析模型，完成线控底盘子系统（主动悬架、线控转向、线控制动）的协同控制性能分析，并对线控底盘子系统特性提出技术要求。
1. 负责AI算法在电机控制、电源控制或诊断预警等领域的应用，以及在嵌入式芯片部署落地； 2. 负责基于动驱软件业务场景大语言模型应用的数据探索、Prompt Engineering、模型微调等工作，软件AI智能体落地； 3. 建立软件数据管理体系，保障数据的准确性、完整性和安全性； 4. 持续跟进业内技术方向并与团队业务方向结合进行技术方向规划指定。