基于非线性鲁棒控制的自平衡车设计
自平衡车近年来已逐渐成为流行代步工具。经典的自平衡车姿态控制算法基于PID控制（比例-积分-微分控制器），其需要大量实验进行调参，且难以适应不同的实际应用环境，特别是驾驶员跌落等极限情况。非线性鲁棒控制即尝试解决这一问题，其应用于系统存在不确定参数或扰动的情况，保证控制系统在存在有界建模误差的情况下仍然能够稳定，即具有鲁棒性。高增益反馈是一个简单的鲁棒控制例子：在充分的高增益下，任何参数的变化所产生的影响都会被忽略不计。非线性鲁棒控制进一步将动力学模型中的非线性成分考虑其中，从而保证控制算法对于某些驾驶员跌落等极限情况仍适用。本课题首先使用牛顿第二定律建立自平衡车的姿态动力学模型，随后基于鲁棒控制理论，进行自平衡车的控制算法设计。对于本课题设计的鲁棒控制算法，首先使用计算机仿真进行验证，随后将其植入自平衡车样机中，并进行实验与测试，验证设计的反馈控制系统的稳定性以及鲁棒性。姿态动力学（Attitude Dynamics）用于描述物体相对于大地姿态的动力学，并利用传感器（如陀螺仪）测量得到的姿态信息，设计相应的控制算法，使用制动器控制物体的姿态。其包括旋转运动学、刚体动力学、姿态控制。控制理论（Control Theory）本课题主要使用控制理论中的非线性鲁棒控制。其应用于系统模型中存在不确定参数或者扰动的情况，意在使系统具有鲁棒性，并在存在有界建模误差的情况下使系统稳定。非线性鲁棒控制同时可以考虑系统的非线性成分，避免线性化近似所带来的局限性。
姿态动力学 旋转运动学 刚体动力学
控制理论 鲁棒控制
计算机 人工智能 机器学习
应用数学 统计学 数据科学
导师：约翰霍普金斯大学 博士
约翰·霍普金斯大学博士；
- 多次以第一作者身份，在Journal of Fluids and Structures、Journal of Fluid Mechanics、Journal of Vibration and Shock等国际知名期刊和杂志上发表过多篇专业学术论文；
- 研究方向：Turbulence, Control Theory, Energy System。
AI＋X数据驱动型科研是指使用人工智能（AI）算法，收集、处理、分析具体学科（X）的海量数据，并基于此进行预测，从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比，AI＋X数据驱动型科研可以借助AI算法强大的运算能力，高效地进行大数据分析，具有投入产出比高、适用范围广的优点。AI＋X数据驱动型科研已被广泛地应用于各个领域，利用AI算法研究基因数据，从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万，使用传统的科研方式对其进行分析，工程量大、过程繁琐，在客观上难以实现。但借助AI算法这一便捷的工具，生命科学家便能够以海量的患者的遗传信息为基础，建立数据库，与过往的研究成果进行对照，快速、准确地在两者中发现规律、建立联系，从而使癌症诊断的“标准化”成为可能。
整个科研教学流程中，每一位学员都将有学术督导协助保障研究阶段性作业和论文的进度，确保取得研究成果。
成果1：在英文期刊中发表学术论文有方学者项目保证为学员在正规的英文学术期刊中发表论文。正规的学术期刊均要求由独立审稿人决定论文的录用与否。因此，论文的成功发表标志着这篇文章已达到学界公认的学术标准。有方学者最优秀的学生，不但可以冲击EI、SCI等高级别期刊，而且有机会参与全球顶级的学术会议。
有方学者项目坚持帮助学生以第一作者身份发表论文。在申请过程中，招生官最看重的是学生在科研项目中的参与程度，而第一作者顺位恰恰是这一点的最佳证明。近年来，有大量的中国学生在教授署名的论文中挂名，这使得第一作者身份的含金量更为突出
学生可以直接使用有方学者项目的成果论文冲击多项全球顶级的科研赛事，其中包括：被誉为“中国青年的诺贝尔奖”的丘成桐科学奖、谷歌科学奖和达特茅斯大学举办的ISEC论文比赛。
有方学者项目的导师会为每个学生提供独一无二的课题，连接最前沿的科研方法和学生感兴趣的学术方向，保证学生研究内容的差异性。
有方学者项目将为学生提供项目导师撰写的推荐信。导师作为推荐人，来自于美国顶尖学府的科研团队，保证了推荐信的可信度；而导师所提供的丰富的细节和生动的描述能更好展现学生的过人之处，从而大大提高了推荐信的价值。
想要获取详细课题大纲
请扫描二维码
关注【有方背景提升】
