岗位详情
岗位描述
- 一、岗位定位
- 面向汽车智能化与软件定义汽车的发展方向,探索**数据驱动、数学建模与优化算法在车辆控制及标定领域的应用**。
- 针对传统车辆控制中依赖工程经验、人工标定和规则逻辑实现的场景,通过建立车辆数学模型、数据驱动模型及优化算法,将复杂的车辆工程问题转化为**可量化、可计算、可优化的问题**,并最终形成可落地的车辆控制算法及标定策略。
- ---
- ## 二、岗位职责
- ### 1. 车辆工程问题数学建模
- 针对车辆控制、标定、舒适性、能耗及运动控制等问题,进行问题抽象和数学建模:
- - 分析车辆系统输入、状态、输出及约束条件; - 建立车辆动力学、热力学、运动学等数学模型; - 将主观感受、工程指标等转化为可量化的目标函数和评价指标; - 通过系统辨识、参数拟合等方法建立车辆系统模型; - 分析模型精度、适用范围及模型参数敏感性。
- ### 2. 优化算法与控制策略开发
- 针对车辆控制中的参数优化和多目标权衡问题,设计并实现优化算法:
- - 参数优化、曲线/MAP优化; - 单目标及多目标优化; - 约束优化; - 路径规划及轨迹优化; - 参数辨识与在线/离线优化; - 预测控制及最优控制算法; - 根据实际工程问题选择合适的数学模型和算法,而非单纯依赖规则逻辑。
- ### 3. 算法仿真与工程化实现
完成数学模型和算法从理论到工程的落地
- - 使用MATLAB/Simulink、Python等工具完成模型开发; - 搭建算法仿真及验证环境; - 与车辆控制软件进行接口定义和算法集成; - 根据工程需求完成算法的C/C++实现或自动代码生成; - 支持台架及实车验证,并根据测试数据进行模型迭代。
- ### 4. 前沿技术探索
- 探索数学建模、优化算法、机器学习等新技术在车辆控制领域的应用:
- - Model-based Control - Model-based Calibration - System Identification - Optimal Control - Model Predictive Control(MPC) - Data-driven Modeling - Machine Learning / AI - Digital Twin / Virtual Calibration
岗位要求
- ## 1. 学历及专业
- - 硕士; - 应用数学、控制科学与工程、自动化、车辆工程、机械工程、计算机、人工智能等相关专业; - 具有较强数学建模、控制理论或优化算法背景者优先。
- ### 2. 数学与算法基础
- - 具备良好的数学基础和逻辑分析能力,能够理解并应用数学方法解决实际工程问题; - 对数学建模、数据分析、优化算法或控制算法具有较强兴趣和学习能力; - **重点关注将实际工程问题抽象为数学问题,并形成可计算、可验证模型的能力。**
- ### 3. 建模与算法能力
- 具备较强的数学建模和算法分析能力,能够:
- - 对复杂工程问题进行合理假设; - 建立数学模型; - 定义目标函数、约束条件及评价指标; - 选择合适的求解方法; - 对模型结果进行验证和误差分析。
熟悉以下一个或多个方向者优先
- - 系统辨识 - 参数估计 - 最优控制 - MPC - 动态规划 - 非线性优化 - 多目标优化 - 机器学习/回归建模 - 时间序列建模
### 4. 编程能力
熟练掌握至少一种编程语言
- - Python - MATLAB - C/C++
### 5. 工程能力
- - 对汽车、车辆控制或复杂机电系统具有浓厚兴趣; - 能够理解基本的车辆动力学、控制系统及车辆信号; - 具备较强的数据分析能力; - 能够将理论模型转化为可运行的算法; - 具备较强的问题分析和工程落地能力。
- ---
- ## 四、加分项
具备以下任一经历者优先
- - 全国大学生数学建模竞赛获奖; - 美国大学生数学建模竞赛(MCM/ICM)获奖; - 具有数学建模、优化算法相关科研项目; - 具有车辆动力学、车辆控制 - 具有Model Predictive Control、Optimal Control、System Identification项目经验; - 具有MATLAB/Simulink建模及代码生成经验;
- ---
- ## 五、我们希望你具备的核心能力
- 我们尤其关注以下能力,而不仅仅是掌握多少工具:
- **1. 抽象能力**
能够把
- > “车辆驾驶起来不舒服”
转化为
- > 可量化的性能指标、数学模型、目标函数及约束条件。
- **2. 建模能力**
能够回答
- > “这个车辆问题应该如何建立数学模型?”
- 而不是简单地选择一个现成算法。
- **3. 优化能力**
能够进一步思考
- > “在多个性能目标和工程约束同时存在的情况下,如何找到最优解?”
- **4. 工程落地能力**
能够完成
- > 数学模型 → 算法 → 仿真 → 软件实现 → 台架/实车验证
- 的完整闭环。
- **5. 学习和探索能力**
- 能够快速理解车辆工程问题,并将数学、控制、数据分析及AI等不同领域的方法应用到实际车辆控制场景中。