1.基于多种优化算法，开展列车多层级能量管理控制体系研究，构建集群式混动系统控制平台，并实现控制策略的有效性验证，提升氢动力系统运行经济性、耐久性和容错性。

1.精通经典优化算法（如线性/非线性规划）、启发式算法（如遗传算法、粒子群算法）、模型预测控制（MPC）、强化学习（RL）等至少两种算法原理及其应用，并能在复杂系统中进行参数整定和性能优化。
2.具备建立氢动力系统（含燃料电池、储氢系统、混合储能、电机等核心部件）、列车负载及运行环境多层级动态模型的能力；熟练使用Simulink/AMESim/GT-POWER/Dymola等至少一种建模仿真工具进行策略验证。
3.熟练掌握Python、C++或MATLAB/Simulink等主流编程语言或工具，具备将算法高效、鲁棒地工程实现与部署的能力，有复杂系统控制算法开发经验者优先。4.具备开发或应用分布式/集群控制系统平台的经验，理解实时通信、多智能体协同控制、任务调度等关键技术原理，能够支撑集群式混动系统控制策略的有效部署与运行。
5.具备独立设计、开发复杂系统（特别是多能源动力系统）能量管理控制策略的能力，能够量化评估策略对经济性（如氢耗/能效）、耐久性（如部件寿命/退化）、容错性（如故障诊断与重构）的优化效果。
6.深刻理解动力系统（特别是氢燃料电池、混合动力系统）工作原理和控制挑战；有燃料电池系统控制、混合动力（油电/气电、电电等）能量管理、大型载运装备（如轨道交通、船舶）动力系统控制、分布式能源管理（微网、V2G等）相关项目经验者优先考虑。