1. 负责风电机组关键部件（齿轮箱、主轴承、发电机、叶片、塔筒）的故障诊断算法与健康评估模型的开发。 2. 基于振动、温度、转速、声发射等多源数据，开发时频域特征提取算法（如小波变换、经验模态分解、阶次跟踪等），实现早期微弱故障的识别。 3. 结合机械传动系统动力学机理，开发融合物理模型与数据驱动的混合诊断算法，提升诊断准确率。 4. 负责将算法封装为适配各平台（场级、边缘、控制系统）的组件，并实现集成和部署。 5. 负责算法预警结果进行现场验证与标定，持续迭代优化算法模型。 1、机械工程（故障诊断方向）、测控技术与仪器、信号处理、计算机（机器学习方向）等相关专业，硕士及以上学历，博士优先。 2、5年以上工业设备（风电、旋转机械、航空航天）故障诊断或状态监测算法经验。 3、精通信号处理理论（傅里叶变换、小波分析、包络分析等）；熟悉机械传动系统原理，如齿轮箱、轴承的故障机理（如齿轮啮合频率、轴承特征频率计算）。 4、精通Python，熟练使用PyTorch/TensorFlow。 5、对数据敏感，具备扎实的数学统计基础；有较强的现场问题溯源能力。