仿真城市轨道交通网络的人流与车流，OD出行，换乘、到达、出发等行为，列车的折返、交路等，突发情况的处理。本仿真系统从人流的OD出发，从生成、到达、乘车、换乘、下车、出站仿真了全过程。本仿真系统从列车的逻辑出发，仿真了生成、停站、折返、入段等全过程。本项目从人流、列车为基础数据，仿真了车站的实时情况。

系统通过多视角高清成像设备采集液罐外部视觉信息，结合深度学习模型实现液位区域的智能识别与定位。具备自动判断液面动态状态（如晃动或静止）的能力，并能对不同工况下的图像特征进行自适应分析，完成从粗略估计到精细定位的全流程处理。系统支持远程监控、实时报警与数据追溯，满足高精度、高稳定性的监测需求。

FPGA数据采集与加速模块：基于Verilog/VHDL开发，负责多路传感器数据的同步采集、硬件滤波及特征提取，确保原始数据在纳秒级完成预处理。高带宽实时通讯接口：采用PCIE或万兆以太网协议，开发了定制化的驱动程序，实现了FPGA硬件缓冲区与Python内存空间的低延迟直连。Python端SAC算

项目包含数据抓取、失败重试、明细清洗、统计汇总、样例输出、日志记录和微信推送等模块。能够自动统计当日记录数、处罚金额、审核状态、主要举报人和责任人，并生成结构化日报。最终结果会以Markdown形式整理后自动推送到微信，方便移动端直接查看，也便于后续扩展为周报、异常告警和业务看板同步。

技术栈：MATLAB神经网络+C++QtGUI输入（6个）：贴片图号、速度、高度、压力、芯片压力、时间输出（4个）：角度、平行度、覆盖率、高度模型效果：160组样本训练，R²=0.9048界面：科技风可视化界面简单说就是用神经网络预测贴片机能做到的质量效果，帮工厂提前发现问题、优化参数。

基于LangGraph多智能体框架，通过编排不同功能的智能体节点（如问题分类、NL2SQL、NL2Python、模型预测等）来构建对话流，并利用ModelContextProtocol（MCP）将各类工具（如数据库查询、Python代码执行器、机器学习算法）封装成标准化的外部资源供智能体调用。核心的

主要对平安银行所掌握的用户数据进行打标分析，后生成一张以用户id为主建的用户风险分析数据，推送到应用端供应用端展示给一线客户经理，一线客户经理依据这些分析评估数据对离岸客户进行安全风险评估，以评估离岸客户有哪些安全风险，并提供风险预警

主要对平安银行所掌握的用户数据进行打标分析，后生成一张以用户id为主建的用户风险分析数据，推送到应用端供应用端展示给一线客户经理，一线客户经理依据这些分析评估数据对贷款用户进行安全风险评估，以评估贷款用户有哪些安全风险，并具体贷款金额

做事踏实靠谱，执行力强，对待工作认真负责。具备良好的职业素养与团队意识，擅长在实际工作中发现问题、解决问题，以结果为导向，力求把每一项工作做到位。注重实操与落地，逻辑清晰，学习能力强。对待工作严谨细致，善于总结优化，具备较强的抗压能力与问题解决能力，能高效完成本职工作并持续提升专业能力。

AI自动开发运动算法，利用主流Agent模式自动化完成复杂流程；使用主流的agent模式，并采用适当的上下文工程，并微调大模型在此场景的特定能力主要功能是快速生成可上线的有效运动控制算法（实现1天产出）