诊断算法工程师

负责故障诊断、机理分析、AI算法的研发与设计，基于业务逻辑搭建并持续优化能够准确反映设备运行状态的模型产品；

负责工业生产设备实时信号的深度分析，提供专业的现场诊断服务，定期出具诊断报告，同步给出针对性的故障处理与排除步骤；

根据业务数据特征选择适配的算法策略，定期开展模型效果复盘与深度专项分析，持续改进并提升诊断的准确性与运行性能；

协助编写系统的投标与实施技术方案，为现场服务人员回传的数据提供实时研判建议与技术指导；

负责面向用户开展专业知识培训，快速响应需求并提供对应解决方案，同时整理现场典型案例，为后续算法开发积累数据与经验支撑

硕士研究生及以上学历，人工智能、计算机类、自动化类、机械类、仪器类、电子信息类、电气类、数学类、工学类、控制科学与工程等相关专业，年龄35岁及以下；

具有3年以上设备预测性维护算法或工业算法相关工作经验；

精通Python编程，具备独立编写设备预测性维护算法的能力；熟练掌握PyTorch、TensorFlow等至少一种主流深度学习框架；

具备扎实的机器学习和深度学习基础，熟悉常用算法及CNN、RNN等典型网络架构，并可将其落地应用于实际故障诊断场景，掌握小样本学习、迁移学习等在工业数据稀缺场景下的模型训练及上线应用方法；

熟练掌握机械设备振动、噪声、压力、温度等信号的处理方法，精通振动故障监测与诊断的基本原理；

熟悉旋转机械（如轴承、泵、电机）的物理特性、振动规律及常见失效模式，可独立开发故障模式库与规则引擎；熟悉旋转机械动力学特性，了解模态分析、转子动力学等故障机理，拥有基于物理特征与AI模型结合落地经验；

具有工业大数据分析及建模经验，可运用相关工具开展故障诊断建模、算法验证及性能调优工作；

具有良好的问题分析与解决能力，可独立承担项目任务，同时拥有较强的整体进度把控能力与跨部门沟通协作能力；

对PHM领域的状态监测、故障预测、寿命预测、健康评估决策有深入理解；

具备结合实际工业场景完成数据清洗、数据挖掘、预测模型搭建，解决实际工业设备诊断问题的能力；

持有国际振动分析师证书、拥有现场电机电流和设备声音故障诊断算法开发经验为加分项。 咨询电话：郭经理18554007639