技能特长：语言能力：CET-6（519分），熟练阅读IEEE、SCI、Nature等期刊文献。 编程技能：C、python； 熟悉常见算法：K-Means、线性回归、逻辑回归、CNN、RNN、贝叶斯、KNN、随机森林、支持向量机等 熟悉tensorflow机器学习框架、transformer深度学习架构 专业技能：能够熟练运用 Matlab、CAD、TIA、LabView、PCB、SIEMENS、Protues等工科软件进行编程、仿真、绘图 自我评价：· 具有较强的组织和时间管理能力，能够在强压下保持冷静并有效解决问题。 · 能积极融入团队，保持良好的沟通能力和团队协作能力，解决算法专业问题并推动项目进展。 · 热爱自身专业，热衷探索新的专业技能。
2023-02 ~ 至今 无锡物联网创新中心有限公司 算法工程师 参研的纺纱工业互联网协同制造管理平台已成功落地，应用于雅戈尔、安徽华茂、无锡一棉等二十多家国内外知名企业。 · 数据预处理与特征分析：通过异常值过滤、归一化等策略使数据质量合格率提升至98.3%。 · 纺纱产线异常检测算法研发：主导开发基于时序数据的纺纱设备异常检测系统，覆盖弱捻异常、断头异常、设备机械故障 等场景，模型准确率达98.5%，误报率低于2.8%。 · 指标筛选与数据建模：针对锭速方差、主轴速度、前后罗拉速度、牵伸倍数等10多项关键指标，设计数据清洗与特征工 程流程，通过相关性分析和主成分分析（PCA）降低特征维度30%，提升模型训练效率。 · 模型优化与部署：基于一阶差分平稳信号处理技术，消除设备信号趋势项干扰，结合LSTM+Attention构建时序异常检测 模型，漏报率从15%降至4.5%，异常定位精度提升40%。 弱捻异常检测模型开发 算法 纺纱工艺参数优化决策支持系统 算法 目标：解决纺纱弱捻异常导致的纱线强度不足问题，实现实时检测与预警。 · 数据输入：锭速方差、牵伸倍数、断头数量、前后罗拉速度比等9项指标。 · 关键技术： - 提出基于一阶差分平稳化的信号预处理方法，消除设备工况波动干扰，信噪比提升25%。 - 采用孤立森林（Isolation Forest）+ GRU融合模型，弱捻异常F1分数达92%，召回率94%。 - 设计POT阈值函数动态调整报警阈值，误报率稳定控制在3%以下。 -构建缺陷样本增强策略，解决小样本场景下的模型泛化问题，标注效率提高35%。 · 量化结果：异常事件平均检测延迟<5秒，异常持续时长统计误差<8%，系统覆盖产线50+条。 · 建立工艺参数与纱线质量的非线性回归模型，通过特征重要性分析优化牵伸倍数、罗拉速度等参数，纱线强度标准差降低 12%。 · 设计交互式可视化看板，工艺调整效率提升50%，支撑工厂实现订单良品率从92%提升至97%。
