WIS-DRL：过驱动移动机器人层级混合运动控制

独立完成代码和实验设计｜发表CCF-C论文一篇

面向过驱动四轮独立驱动四轮独立转向（4WID-4WIS）移动机器人，设计并实现基于深度强化学习的层级混合运动控制框架，结合PPO模式选择与约束底层控制，提升复杂地图上的训练稳定性、决策可解释性与执行效率。

核心工作：设计两层架构，上层PPO策略观测路径几何与车辆状态从三种离散运动模式中选择，底层将选定模式转换为可行的轮级命令；

实现全向运动（AFM）、纯平移（APT）、零半径旋转（AZR）三种运动模式控制器及鲁棒NMPC控制器；

构建基于多地图的课程学习机制，开发训练、测试、基准测试与可视化脚本，支持PPO、纯MPC、规则切换、连续RL等多种策略对比。

基于工业互联网的土壤水分监控与预测研究

基于LSNet和stacking集成学习方法的土壤水分预测，并基于工业互联网搭建"传感器-处理器-用户端"土壤水分监测系统用于农业生产。

基于改进YOLOv8算法的钢材表面缺陷检测工业应用开发

基于NEU-DET数据集，提出了一种面向钢材表面缺陷检测的改进型算法，有效提高了模型对不同尺度缺陷敏感性。
由于缺陷在钢材表面图像中的占比极小，并且可能在复杂的光照和背景条件下更难以被识别，因此我对特征提取网络中的C2F模块进行了改进，使其更加适用于工业生产场景。最终利用训练出的模型进行应用开发并提供api接口，提高其实用价值。

基于TensorFlow深度学习方法的智能车目标检测模型

使用计算机视觉训练模型，搭建硬件检测平台，使用python进行开发部署，实时监测车辆周围环境作出相应改变，并在发布端进行播报。
基于ros2和tensorflow，配置深度学习环境并编写训练脚本，完成图像标注、脚本训练，开发检测程序并将模型接入智能车中。

基于QLoRA微调的法律问答智能助手

大学生创新创业计划省级立项｜第一负责人

在辅修的法学课程中发现"案例检索效率低、法律条文理解成本高"的痛点，设计并实现基于大语言模型的法律问答Agent，结合知识增强与轻量化微调，实现垂直领域问答与教学辅助能力。

核心工作：设计法律问答 Agent 架构，构建"RAG+模型推理"流程，实现法条问答与案例检索能力；

基于QLoRA对Llama2-7B-Chat进行指令微调，构建法律领域数据集优化模型在专业语境下的生成质量；

搭建向量检索与知识库模块，实现外部知识注入与上下文增强，提升回答准确性与可解释性。

番茄时钟任务管理器（Qt桌面应用）

基于 C++ 与 Qt5 开发跨平台桌面应用，围绕任务管理与时间管理场景，实现任务调度、优先级建模及流程可视化，具备完整本地数据持久化能力。

基于分层架构设计系统模块，封装 SQLite 单例数据库管理器，统一连接生命周期与数据访问逻辑；

使用 C++ 面向对象设计与 STL 数据结构实现任务模型、四象限分类算法及任务状态流转机制；

基于 Qt 信号槽机制实现事件驱动 UI，完成拖拽交互、番茄钟定时调度及任务流程树结构可视化。