理想汽车BMS算法工程师-上海
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。
负责电池包(Pack)、总装(GA)、售后等和电池管理系统(BMS)相关的质量问题分析及改善,参与新项目质量策划、产品验证等质量工作。 职责描述: 问题预防与解决: 整理电池管理系统(BMS)架构,控制策略,诊断逻辑等技术文件; 从质量维度把关BMS相关系统&功能模块测试结果及Bug修复情况; 主导Pack,模组产线,总装(GA)及售后市场与电池管理BMS相关的问题分析和改善; 负责相关的产品和半成品的风险评估,快速遏制,测试方法改善及测试覆盖率提升等; 挖掘市场和电池相关的大数据,识别售后市场潜在电池相关问题并提出主动改善策略。 变更管理: 负责电池管理系统(BMS)的变更点进行识别和验证,预防质量问题发生; 与NPI,生产,工艺共同评估变更点的风险评估,验证计划,验证结果跟踪。 团队协作: 带教工程师及技师处理现场问题,在专业技术上进行辅导,帮助队伍发展成长; 积极与工程交流学习,主动解决生产及售后相关问题; 从系统/软件层面辅助硬件失效分析小组进行问题分析及解决。
1. 负责高压系统架构设计,包括三电零部件性能设计,技术路线策略,高压架构定义,高压系统属性定义和零部件性能选型; 2. 负责整车高压系统电气架构匹配性、高压系统主电路拓扑、电气参数、及控制算法理论分析与仿真验证及优化; 3. 负责高压系统电气特性仿真, 包括运行电压范围、电压动态、电压纹波、过压/欠压等, 作为高压零部件的系统需求定义输入; 4. 负责整车高压系统EMC需求分析,仿真及测试验证,与整车对接高压部件EMC技术需求,并协调高压部件EMC解决方案; 5. 负责牵头分析和解决高压系统及跨部件耦合的高复杂性EMC问题。