這個方向，從低到高都是十分的pratical，所以也有錢賺的。誰都知道傳感器便是相當于人的四肢耳眼(沒有鼻子，哪天有人能作出嗅覺傳感器，有那么一天，說不定能作出閉環feedback control的“煮飯機”出來。比較低端的，便是常用的工業傳感器，安設，電路設計等等。高端的，精細的那種，核電站的，多了去了。還有便是視覺方面的傳感器，相當于image processing和pattern recognition的前期工作，很熱的。這個首要是雜亂的方針，比方咱們這兒有的一些項目，例如，衛星太陽能板幾千塊小鏡面需求以最快速度找到陽光最強的方向，這幾千個小塊都能各自以必定自由度旋轉。還有便是有些操控體系是用比較特別傳感器的，比方視覺的，要從看到景象的移動中，計算速度和深度(2D-3D)，自由度怎么建。這個便是正牌的control了，首要是作算法，便是相當于人的腦子。作為算法，詳細問題詳細剖析，操控方針不同也不同。這些算法可以用到往常如工業機床，化工高爐，也能夠用到機器人，出產機械手，還能夠用到航空航天，導彈衛星。我的知道便是給機械灌入了魂靈和才智。個人感覺分為3塊：其實操控開展到現在，有模型的體系，那些操控算法現已很多了，歸于經典操控的范疇。現在還能有開展的或許便是optimization和model-predictive還有hybrid了。個人感覺數學的東西特別多。假如投身如此，歸于經典范疇，重要的是你作project的才能了。

不過個人看到這兒面的一些新動向，便是和經濟學有關。作操練的時分經常用一些經濟學的比如，做到最終發現居然是control的問題。其實籠統的看，在有模型的操控辦法來看，模型便是一個式子，至于這個式子在實踐體系中的含義，不是那么重要了。

個人感覺在model-base control里邊，多是針對linear model，關于nonlinear model，辦法不是特別多，還有必定的發掘潛力。說道了nonlinear model就不能不提knowledge base control，說得詳細點便是所謂的專家體系，含糊操控，神經元什么的，這是一條新路。這些一部分是算法：不論你模型是什么，把專業技術工人的常識拿過來作為機械自己的常識，完結相應的操控方針。一部分是建模：從前做過的assignment是用神經網絡建模的，每個神經元都是線性的，但是卻比任何一個線性模型都要精確擬合非線性的行為。

更要害的，這種操控器能夠完成adaptive和learning的功用，便是他能從操控的失利中自己學習怎樣更好的操控。我現在還不知道這個是怎樣干得，可是將來和AI結合，是很有或許的。投身如此的人，必要耐得住孤寂，首要研討魯棒，LMI(linear matrix inequality)，既單調有很難，理論性很強，現在又時鼓起probalistic的魯棒了。

二.膚見遠景

“自動化”一是歸于信息產業。信息產業被人們稱為“朝陽產業”，開展快、需求人才多、待遇高，是當今科技開展的趨勢地點。因而，作為信息產業中的重要一員，自動化專業相同有著光芒的出路。二是自動化使用規模廣。現在，簡直一切的工業部門都能夠同自動操控掛上鉤，現代化的農業、國防也都與自動化休戚相關。三是本專業關于個人開展十分有利。本專業課程設置的掩蓋面廣，所學的東西與其他學科穿插甚多。這也與本專業的來歷有關，自動化專業大部分源于計算機或許電子工程系的自動操控專業。

那么咱們來看看這樣一個“萬金油”的專業需求哪些方面的常識和才能吧。自動操控理論、運籌學、信號與體系剖析、計算機軟件技術使用、算法語言及程序設計、模仿電子技術根底、電路原理等等，乃至連流體力學也要修。能夠說自動化專業需求工科各方面的常識，其課程與電子工程、計算機、電機工程乃至化學工程都有穿插，這就難怪自動化人才能夠到各式各樣的范疇工作了。以上的學習特色要求學生有較強的理工科布景，不能偏科。當然，各高校自動化專業側重點的不同也使得后期的專業課有較大的差異。在相同的幾年要修比他人多的課程也就意味著比他人更累，所以期望那些對大學生活存在單純夢想，或許想在本科幾年好好歇息、等待風花雪月的同學不要報考這個專業，深重的學業壓力以及全面開展的要求對你來說將是個苦楚。可是，對那些有志于學到真身手、硬功夫的同學來說，這個專業真的是一個十分好的挑選。如此搶手的專業帶來的當然是劇烈乃至嚴酷的競賽，像電子、計算機這些電類專業相同，自動化的報考難度也不小。自動化專業的優勢在膚見時分表現得更為杰出。首要，一切的職業都能夠同自動化掛鉤，轉行十分簡單，“硬”可轉電子工程，“軟”可轉計算機，也可轉通訊，當然待遇也是十分不錯。

http://m.jintingqj.cn/wuliuwenda/130219.html 結合我國物流業的現狀，談談自動化倉儲的發展前景