负责小型多旋翼无人机导航算法的开发与优化，支撑室内外场景自主飞行任务，聚焦解决GNSS信号遮挡下的定位漂移及高速机动时的姿态解算延迟问题

• 主导设计改进型扩展卡尔曼滤波（EKF）组合导航算法，针对城市园区场景GNSS信号遮挡导致的定位漂移（原误差1.2米），引入视觉里程计横向位置修正项——通过OpenCV提取路牌边缘特征并基于SAD算法匹配，将定位误差压缩至0.3米以内，支撑了园区电力塔巡检任务的98%完成率
• 优化INS误差状态模型，解决无人机急转时姿态解算延迟问题：采用四元数-欧拉角混合更新策略，结合Mahony互补滤波修正陀螺仪零偏（原零偏0.05°/s降至0.01°/s），姿态角误差从0.5°缩小至0.15°，急转场景下的飞行轨迹平滑度提升40%
• 搭建导航算法实时性测试框架，基于ROS2 DDS通信机制重构算法模块数据交互逻辑，将导航解算周期从50ms缩短至30ms，满足大机动飞行任务对实时性的严格要求，通过了某工业客户的实时性验收标准
• 参与室外复杂环境联调，解决磁罗盘受电机电磁干扰导致的航向偏差（原误差10°）：设计自适应磁罗盘校准算法，基于飞行数据的统计特性动态调整硬铁/软铁补偿参数，航向误差降至2°以内，保障了户外航线规划的准确性

负责垂直起降固定翼无人机导航算法研发，支撑长航时跨区域自主飞行任务，重点突破GNSS拒止场景下的定位连续性及多源融合鲁棒性问题

• 核心参与联邦卡尔曼滤波多源融合导航系统设计，整合GNSS、INS、激光雷达SLAM及视觉惯性导航（VINS）数据，建立异质传感器误差协方差传递模型，解决单一传感器故障时的导航中断问题——在GNSS拒止的山岭电力巡检场景中，定位精度保持在0.5米以内，任务完成率从75%提升至92%
• 优化VINS前端特征跟踪算法，针对固定翼高速飞行（80m/s）导致的图像模糊问题：采用Lucas-Kanade光流法结合稀疏光束平差法（Sparse BA）提升特征点跟踪鲁棒性，特征丢失率从15%降至5%，视觉导航输出的位姿方差缩小30%
• 设计导航系统故障诊断与容错机制，基于残差χ²检验和贝叶斯网络识别传感器故障——当GNSS信号异常时，自动切换至激光雷达SLAM主导模式，切换时间小于200ms，避免了3次因导航中断导致的坠机风险
• 主导算法嵌入式移植，基于ARM Cortex-A9处理器进行定点数优化（将浮点运算转换为Q15定点格式），将导航算法CPU占用率从45%降至20%，功耗降低25%，满足机载设备的长航时要求

负责大型无人机集群导航协同算法研发，支撑集群化自主作业任务，聚焦解决集群导航一致性、抗电磁干扰及多节点兼容性问题

• 主导设计基于一致性算法的集群导航协同框架，通过分布式EKF实现各节点导航信息共享——针对集群飞行时个体定位误差累积导致的队形散乱问题（原队形误差1.5米），引入节点间位置/速度信息加权融合，队形保持误差降至0.3米以内，支撑了100架农业植保集群的大规模喷洒任务
• 优化集群导航抗干扰能力，针对敌方电磁欺骗场景：采用自适应抗欺骗算法，结合INS预测信息与视觉导航辅助定位，构建GNSS信号可信度评估模型，欺骗信号识别准确率提升至98%，保障了集群在复杂电磁环境下的安全飞行
• 开发集群导航实时仿真测试平台，基于Gazebo+MATLAB/Simulink联合仿真，模拟电磁干扰、传感器故障等12类场景，将算法测试周期从2周缩短至3天，迭代效率提升50%，支撑了3代集群导航算法的快速验证
• 带领3人团队完成集群导航算法落地，解决老旧无人机节点（搭载STM32H4处理器）与新算法的兼容性问题——设计轻量化适配层接口，将算法计算量压缩40%，适配5种不同型号无人机，支撑了客户500架集群的交付项目，客户满意度达95%以上

高海拔长航时工业级无人机飞行平台研制

• 项目背景：工业级无人机在青藏高原、云贵高原等4500米以上区域应用时，面临气压低、气温低（-20℃~5℃）、气流紊乱等挑战，现有平台存在续航短（≤1.5小时）、姿态震荡（误差±1°以上）、电子设备低温失效等问题，无法满足电力巡检、应急救援等场景需求。项目目标为开发一款适配高原环境的工业级飞行平台，实现续航≥2小时、姿态控制精度±0.5°、抗风等级≥7级，并通过客户实地验证。
• 关键难题与技术路径：1）高原动力系统效率衰减——传统无刷电机+螺旋桨组合在高海拔下进气量减少30%，导致推力下降；2）姿态控制鲁棒性不足——大气密度降低使传统PID控制易受扰动震荡；3）低温可靠性——电子元器件在-20℃下易出现启动失败或性能漂移。针对上述问题，我牵头引入CFD（计算流体力学）仿真优化动力系统，选型高KV值无刷电机（T-Motor U7 KV170）匹配定制化碳纤维螺旋桨（翼型采用NACA 6412高原优化版），提升进气效率；针对姿态控制，引入模型预测控制（MPC）算法，融合气压计、IMU（InvenSense MPU9250）和激光雷达（Livox Horizon）数据，构建高原大气模型修正控制参数；低温方面，设计分布式加热膜温控系统，覆盖电池仓（容量6S 22.2Ah磷酸铁锂）与飞控舱（Pixhawk 6C Mini），确保-20℃下设备正常启动。
• 核心行动与创新：作为研发负责人，我主导跨气动、电控、结构部门的周度同步机制，对齐技术路线；创新点在于将MPC算法移植到低成本飞控平台——通过模型降阶（将连续状态空间离散化为10步预测）降低计算资源需求，同时利用CFD仿真结果减少原型机迭代次数（从初始规划的5次压缩至3次），节省研发成本约20%。
• 成果与价值：平台最终实现4500米高原环境下续航2.5小时（较目标提升25%）、姿态控制精度±0.3°（超目标40%）、抗风7级（12m/s）；申请2项发明专利（“一种高原环境无人机螺旋桨优化设计方法”“基于MPC的高海拔无人机姿态控制方法”）。产品通过国家电网青海分公司实地测试，成为公司高原场景主力机型，2024年上半年贡献销售额8600万元（占公司工业级无人机总营收的35%），客户满意度达92%。

多模态感知融合的小型无人机自主避障系统开发

• 项目背景：公司“蜂鸟”小型无人机（重量≤5kg）拟拓展城市楼宇配送、森林消防侦查场景，但现有避障方案依赖单一视觉传感器，易受光线变化、树叶遮挡影响，误报率高达5%，无法满足复杂环境下的安全需求。项目目标为开发融合视觉、激光雷达、毫米波雷达的多模态避障系统，实现避障范围≥10米、响应时间<100ms、误报率<1%。
• 关键难题与技术突破：1）多传感器时空同步——视觉（Basler acA1300-200uc）采样率30fps、激光雷达10Hz、毫米波雷达20Hz，坐标系与时间戳不一致导致数据融合偏差；2）复杂环境特征融合——视觉的纹理信息与激光雷达的点云数据维度差异大，难以有效关联；3）低功耗约束——小型无人机电池容量仅5000mAh，无法承载高算力芯片。
• 核心行动与技术方案：我负责感知模块设计与算法落地：1）通过硬件时间戳（GPS授时）实现多传感器同步，构建统一时空坐标系；2）采用稀疏点云与视觉特征联合表示，用轻量级CNN（MobileNetV3）提取视觉障碍物边缘特征，与激光雷达点云的几何特征拼接，输入LSTM网络进行轨迹预测；3）选用Jetson Nano边缘计算芯片，通过模型剪枝（去除冗余卷积层）和量化（FP32转INT8），将计算功耗从15W降至9W，满足续航要求。
• 成果与业务支撑：系统最终实现避障范围12米、响应时间85ms、误报率0.8%（均超目标）；申请1项实用新型专利（“一种小型无人机多传感器集成安装结构”）。该系统集成至“蜂鸟”无人机后，通过民航局（CAAC）避障性能认证，支撑公司与顺丰同城急送达成城市末端配送合作，2022年下半年带来年营收增加1200万元；同时，“蜂鸟”无人机在成都森林消防演练中实现零避障失误，提升了公司应急场景的品牌影响力。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。