安克创新BMS算法工程师
任职要求
1. 电子、电气、控制工程、自动化、车辆工程等相关专业； 2. 具备良好的C/C++/Python等编程能力，有项目/竞赛/课题经验者优先； 3. 了解锂电池工作原理、电化学基础及常用建模方法（如等效电路模型、电化学模型等）； 4. 掌握卡尔曼滤波算法以及最小二乘法者优先； 5. 具备信号处理、自动控制、机器学习等算法相关基础知识，能够熟练运用MATLAB/Simulink等仿真工具。
工作职责
1. 参与BMS（电池管理系统）核心算法的开发与优化，包括SOC/SOH/SOP估算、充放电策略、均衡控制等； 2. 进行在研、在网电池运行数据分析，参与云端相关算法的开发与优化； 3. 支持BMS算法嵌入式软件实现，并参与相关的测试与验证工作； 4. 与硬件工程师、测试工程师等团队协作，确保算法在实际产品中的有效落地和应用； 5. 关注国内外电池管理相关前沿技术，参与技术研究与预研工作。
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. 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. 负责BMS算法和策略的编写、优化，应用程序开发； 2. 负责BMS算法SOC、SOH、SOE、SOP、均衡和充放电管理等功能的技术参数优化、软件平台优化； 3. 解决产品开发和测试中出现的相关问题； 4. 完成产品软件功能实现及维护； 5. 完成上级安排的其他工作任务。
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。