可靠性模型开发和优化工程师-电池方向

Job description

岗位核心价值

加入我们的前瞻技术团队，您将站在电池技术的最前沿，主导下一代电池体系（补锂/钠电/锂金属）的寿命衰减机理研究，并基于大数据与电化学模型，构建高精度的工况寿命预测“大脑”，为电动汽车和储能系统的长寿命、高安全运行提供核心算法支撑。

前沿机理研究

• 负责新型电池体系（如补锂技术、钠离子电池、锂金属电池）的寿命衰减规律深度挖掘，独立设计老化实验，量化分析温度、倍率、DOD等关键老化因子对电池性能的影响机制；

核心模型开发

• 主导工况容量寿命预测模型的构建与迭代，融合电化学机理与数据驱动方法，开发适用于复杂动态工况的剩余寿命（RUL）预估算法；

基线模型优化

• 负责NCM体系、硅基负极体系及混合正极体系的SOC-OCV（荷电状态-开路电压）老化预测模型的开发、精度优化，联合BMS实现平台部署； 岗位要求：
• 硕士及以上学历，化学、电化学、控制科学与工程、机械工程、车辆工程、数学与应用数学、统计学、信息与计算科学、电子信息等相关专业；

有模型经验优先

• 有电池寿命预测/健康状态（SOH）估算/剩余寿命（RUL）预测模型开发经验者优先，熟悉ARIMA、神经网络、支持向量回归或高斯过程回归等算法应用者佳;
• 具备锂离子电池或钠离子电池相关研究背景，熟悉电池工作原理及常见老化模式（SEI生长、析锂、过渡金属溶出等）。
• 熟练使用Excel进行常规数据分析，精通PPT制作与汇报；具备Comsol（多物理场仿真）、Matlab（数值计算/Simulink）、Python（数据分析/机器学习） 三者之一的实际编程与建模能力者优先；
• 严谨的逻辑思维与强自驱力，能够独立设计实验方案并解决复杂工程问题；优秀的跨文档撰写能力与技术沟通能力。

加分项

• 有电化学-热-机械耦合建模经验；熟悉等效电路模型（ECM）及参数辨识方法；有AI算法在电池管理（BMS）中的实际落地项目经验。