理想汽车BMS算法工程师-北京
任职要求
1. 硕士及以上学历，数学、计算机、自动化，AI，电池等相关专业； 2. 能够熟练使用Matlab/Simulink、Python、C、SQL等语言； 3. 掌握电池基本概念包括电池容量，电池OCV，电池自放电，DCR等以及测试方法； 4. 掌握基本的优化算法或AI算法，最小二乘，EKF，UKF等之一； 5. 掌握基本的电池模型或者等效电路模型，单粒子模型，电化学模型，热模型，老化模型，析理模型等之一； 6. 掌握XGBoost, LSTM等机器学习算法解决时序预测问题，故障分类问题等。
工作职责
1. 电池高精度状态估计算法开发； 2. 电池高精度预测算法开发； 3. 高精度电池模型开发与应用； 4. 基于算法开发流程完成项目交付； 5. 针对市场问题或云端大数据，能够快速高效定位并能制定优化方案。
1.SOX算法开发与全生命周期管理 1.1 SOC高精度估计：基于电化学机理模型（如DFN模型）与数据驱动方法（LSTM、Transformer），融合电池电压、电流、温度、内阻等多维数据，设计自适应卡尔曼滤波算法（如UKF、AEKF），解决低温/高倍率工况下的累积误差问题（目标误差＜1%）; 构建动态参数辨识框架（如基于遗传算法或粒子群优化），实时校准电池容量、内阻等关键参数，提升SOC估算的长期稳定性； 1.2 SOH预测与退化建模：利用迁移学习技术，将实验室加速老化数据泛化至实际车载场景，构建基于容量衰减、内阻增长、SEI膜演化的多维度退化模型，实现SOH误差＜2%； 1.3 SOP动态边界计算：基于电芯温度、SOC、老化状态的实时反馈，建立多约束条件下的峰值功率预测模型（如电化学-热耦合模型），防止过充/过放风险，支持极端工况（如赛道模式）下的动态功率调整。 2. AI模型开发与优化 2.1开发轻量化神经网络模型（如MobileNet、TinyML架构），通过剪枝、量化、知识蒸馏等技术将模型压缩至嵌入式平台可运行规模，满足实时性要求（响应延迟＜50ms）； 2.2数据驱动与仿真验证: 构建电池全生命周期数据库（覆盖电芯、模组、系统层级），通过SQL处理TB级数据，提取关键特征（如充放电曲线拐点、弛豫电压特性）用于模型训练；使用MATLAB/Simulink搭建多物理场耦合仿真平台（电化学+热力学+机械应力），验证算法在极端工况下的鲁棒性，并通过HIL测试实现算法闭环迭代； 2.3 与BMS硬件团队协作，优化AI算法在嵌入式平台的资源分配，支持C代码自动生成与功能安全认证。
1. 负责存量电池嵌入式BMS算法模型的开发和维护，模型迭代以及功能性能测试； 2. 负责电池大数据分析，数据挖掘，电池失效以及性能衰减相关特征工程开发以及算法结果审核； 3. 结合电池失效外特性表现，帮助建立电池失效特征数据库； 4. 参与电芯失效分析对应的影响因素分析，识别并诊断失效模式和根本原因。
1. 负责美团骑行硬件产品测试工作，包括测试方案制定、测试用例设计和测试执行等。 2. 根据产品需求和技术规范，进行硬件产品的功性能和系统兼容性等测试验收。 3. 分析测试结果，提出问题和改进建议，并与相关部门进行沟通和协调，跟踪并推动问题及时合理地解决。 4. 根据产品需求和测试方案，进行ODM供应商的测试验收管理和测试报告审查。 5. 推动系统测试流程的优化和改进，提高测试效率和质量。 6. 负责实验室测试设备的维护和管理，确保测试设备的正常运行。
1.制定/评审智能驾驶L3/L4电池&BMS解决方案； 2.负责整车功能需求评审，进行BMS国内/海外系统需求开发/评审； 3.负责供应商软件/算法方案评审及技术方案制定； 4.负责平台&子项目需求、系统方案评审及项目风险识别。