研究院-故障诊断算法工程师-杭州

优缺点分析

角色解读

• 在研究院积累核心技术，可向算法专家或技术Leader发展，深入故障诊断及AI应用
• 横向拓展到工业物联网、预测性维护等更广泛的领域，提升业务洞察力
• 优秀者可转岗至产品线或核心业务部门，担任技术负责人或架构师
• 负责设备状态监测和故障诊断算法的预研，探索最新的信号处理与机器学习方法
• 将算法落地到实际工程中，编写代码并优化性能，满足工业场景的实时性和准确性要求
• 参与现场测试，根据实际数据反馈迭代算法，确保方案有效可靠
• 扎实的信号处理基础，能运用时频分析、小波变换、包络分析等提取故障特征
• 熟练使用Python和C++，掌握scipy、sklearn等科学计算库，具备工程化能力
• 理解机器学习与深度学习模型（如时序预测、异常检测），能调优模型性能
• 对机械或电气设备（如泵、轴承、电机）的结构和故障机理有一定了解

申请策略

• 关注海康威视研究院的研发文化，面试时展现对工业场景的热爱和解决问题的能力
• 提前了解设备状态监测行业现状，思考目前算法落地的痛点和趋势
• 突出信号处理项目经验，如故障检测、时序分析等，附上具体算法效果和指标
• 展示编程能力，尤其是Python/C++工程化代码片段或开源项目链接
• 强调对机械设备故障机理的理解，如有相关实习或课题研究需重点描述
• 补充工业时序预测和异常检测的经典模型（如LSTM、Transformer、孤立森林）
• 熟悉至少一种工业协议（如OPC UA、Modbus）和边缘计算部署方式

面试指南

• 用STAR法则（情境-任务-行动-结果）描述项目，重点突出数据预处理、特征工程和模型迭代
• 对技术问题，先解释原理，再结合实际场景说明优缺点和选择依据
• 请详细说明你做过的一个故障诊断项目，包括特征提取方法和模型选择
• 如何对旋转机械的振动信号进行时频分析？请解释包络分析和希尔伯特变换
• 在时序异常检测中，如何平衡误报率和漏报率？
• 给出一个你遇到的算法工程化难题，以及你是如何解决的
• 复习信号处理核心概念（傅里叶变换、小波、包络分析），并准备手写简单算法
• 整理1-2个完整的故障诊断项目案例，能清晰讲解技术路线和实验结果