负责中大型工业级无人机（农业植保/电力巡检场景）飞控系统的核心算法设计与迭代，覆盖姿态控制、轨迹跟踪、故障容错及实时性优化模块，支撑场景化落地与性能达标

• 主导设计基于模型预测控制（MPC）的多模态姿态控制器，针对农业植保无人机大田作业中风扰（≥8m/s）与药箱晃动导致的姿态超调问题，使用MATLAB/Simulink搭建六自由度刚体模型，融合扩展卡尔曼滤波（EKF）处理IMU、GPS、视觉里程计数据，将传统PID控制的姿态超调从30%降至5%以内，姿态稳定时间从800ms缩短至200ms内；最终植保作业航线偏差率从5%降到1.2%，满足客户对作物行间距±2cm的精准要求
• 核心参与电力巡检无人机电磁干扰场景的故障容错算法开发，针对高压线路附近传感器（IMU/指南针）失效风险，提出联邦卡尔曼滤波多源融合策略——融合激光雷达点云与IMU数据，设计冗余通道优先级切换逻辑（阈值设为置信度0.85）；经第三方EMC测试，单传感器故障后系统恢复时间从1.5s缩短至300ms，巡检任务成功率从92%提升至98.5%
• 优化飞控系统实时性与功耗以支撑长航时需求，使用C++重写姿态解算模块核心代码，将浮点数运算改为定点数（Q15格式），结合FreeRTOS抢占式调度策略优化任务优先级（姿态解算任务设为最高优先级）；姿态解算周期从10ms缩短至5ms，整机功耗降低25%，无人机续航时间从45分钟延长至60分钟，满足100km线路巡检的单架次覆盖要求
• 搭建飞控算法半物理仿真验证体系，基于Gazebo+PX4集成风场模拟（湍流强度0.2）、传感器噪声注入（IMU白噪声0.01rad/s）功能，完成12类典型故障场景（如单桨失效、GPS信号丢失）的仿真测试；将实飞迭代次数从每版本8次减少至3次，研发周期缩短30%

负责小型多旋翼无人机飞控算法的基础优化与场景适配，聚焦精准悬停、自主避障及集群协同的算法研发，支撑室内/复杂环境下的任务落地

• 重点优化视觉辅助悬停算法，针对室内无GPS环境的定位误差（初始15cm），采用ORB-SLAM2构建稀疏地图，融合光流传感器（像素级精度）的位置数据，设计加权融合定位模块（SLAM权重0.7、光流0.3）；将定位精度提升至5cm以内，悬停稳定性提升40%，支撑某消防支队室内侦察无人机的常态化应用，侦察效率提升2倍
• 开发基于深度强化学习（DRL）的自主避障算法，针对复杂障碍物（如树木、电线杆）环境，用PyTorch搭建PPO算法框架，输入激光雷达点云（10Hz、360°扫描），输出避障航迹；避障成功率从传统A*算法的85%提升至95%以上，响应时间从400ms缩短至150ms，解决了园区巡检无人机绕树碰撞的问题
• 参与5机集群协同的基础研究，负责单机与集群的通信协议设计（基于ROS2 DDS实现低延迟通信，端到端延迟≤50ms）与冲突消解算法；设计基于优先级的航迹规划逻辑（按任务紧急度分配优先级），解决了狭小空间（如仓库走廊）内集群碰撞问题，集群任务完成率从80%提升至95%
• 主导飞控系统硬件在环（HIL）测试，用dSPACE DS1007平台搭建测试系统，集成IMU/GPS模拟器与舵机驱动；完成3个版本飞控固件的测试，覆盖极端工况（如-20℃低温、12V电源波动），将实飞故障发生率从10%降至2%

协助完成入门级多旋翼无人机飞控算法开发与测试，聚焦基础姿态控制、传感器校准及手动模式优化，支撑原型机迭代

• 协助设计基于PID的四轴无人机姿态控制器，用MATLAB/Simulink搭建模型并进行Ziegler-Nichols参数整定，解决初始版本滚转角超调25%的问题；将姿态稳定时间缩短至500ms内，完成首架原型机的户外悬停测试（稳定时间≥10秒）
• 负责IMU温度漂移的补偿算法开发，采集100组不同温度（-10℃~50℃）下的加速度计数据，设计基于最小二乘法的温度补偿模型；将加速度计零偏误差从0.05m/s²降低至0.01m/s²以内，提升传感器测量精度
• 参与手动模式飞控逻辑优化，针对遥控信号延迟（≥100ms）导致的无人机抖动，设计一阶低通滤波算法（截止频率5Hz）；将信号延迟影响降低60%，手动操控舒适度提升35%，获测试团队正面反馈
• 用Python编写飞控日志分析脚本，解析姿态角、传感器数据等10+类参数，定位3个失控bug（如传感器野点未过滤）；通过添加中值滤波（窗口大小5）解决野点问题，失控率从8%降至1%

高可靠性工业级无人机飞行平台研发及民航适航验证项目

• 项目背景：工业级无人机在电力巡检、应急救援等场景中，常因强电磁干扰、低温高海拔等极端环境导致飞控失效、动力中断，客户投诉率达22%；核心目标是研发一款满足民航局CCAR-21部适航要求的工业级飞行平台，实现“环境适应性≥95%、故障间隔时间（MTBF）≥500小时”的关键指标，我作为研发负责人统筹硬件设计、软件算法及适航验证全流程。
• 关键难题：①电磁兼容性（EMC）不达标——第三方预测试中飞控系统受基站、雷达干扰的误报率达12%；②低温高海拔动力衰减——-30℃环境下无刷电机扭矩下降28%，无法维持悬停；③适航认证路径模糊——缺乏工业级无人机DO-160G标准的落地经验。
• 核心行动与创新：①EMC攻关：主导PCB分层屏蔽设计（电源层+地平面+信号层三重隔离），选用军规级SMA接插件，通过HFSS仿真优化天线布局，将干扰抑制率提升至92%；②动力系统优化：重新设计电机风冷散热鳍片（增大散热面积40%），搭配耐低温三元锂电池（工作温度-40℃~60℃），结合自适应PID算法动态调整油门响应曲线，解决低温扭矩衰减问题；③适航落地：牵头梳理DO-160G Class B标准条款，协调第三方机构完成振动、冲击、雷击等11项试验，输出200+页认证报告。
• 项目成果：①技术指标：EMC误报率降至0.8%，-40℃环境下连续飞行2小时无故障，MTBF达到580小时；②业务价值：完成民航局适航受理函，获取国家电网、中石油2个头部客户订单（合计800万元）；③团队成长：培养3名硬件/算法骨干，形成《工业级无人机EMC设计规范》《低温动力系统调试手册》2份标准文档。

小型化多旋翼无人机室内外复合导航与动态避障算法研发项目

• 项目背景：公司主打的小型多旋翼无人机（载重≤2kg）在仓储盘点、室内消防巡检中，因GPS信号遮挡导致定位漂移（误差达15cm），且动态障碍物（如货架、人员）避障响应慢（200ms），无法满足客户“厘米级定位、实时避障”的需求；我的角色是算法核心设计者，负责导航与避障算法的重构与验证。
• 关键难题：①多传感器融合延迟——视觉SLAM与IMU的数据同步误差导致定位跳变；②动态场景适应不足——传统A*算法无法应对仓储中移动的货架、工作人员；③计算资源受限——嵌入式平台（STM32H7）算力不足，实时性无法保证。
• 核心行动与创新：①融合算法优化：采用扩展卡尔曼滤波（EKF）融合光流传感器、激光雷达与IMU数据，将定位更新频率从10Hz提升至50Hz，漂移误差降至3cm；②动态避障设计：引入强化学习（DQN）训练障碍物预测模型，提前500ms识别移动目标，结合ROS框架实现实时路径重规划；③算力优化：对激光雷达点云进行体素滤波（减少70%数据量），将避障算法运行时间压缩至40ms以内。
• 项目成果：①性能提升：定位精度从15cm降至3cm，动态避障响应时间缩至50ms，支持10人/秒的移动目标识别；②业务落地：算法应用于公司“仓储巡检无人机”产品，获取京东物流、顺丰供应链3个客户订单，帮助客户降低35%的人工巡检成本；③个人成长：因算法贡献突出晋升为研发负责人，主导后续飞行平台的全栈研发。

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。