2026年《必背60题》控制科学与工程26届考研复试高频面试题包含详细解答

控制科学与工程26届考研复试高频面试题

【精选近三年60道高频面试题】

【题目来源：学员面试分享复盘及网络真题整理】

【注：每道题含高分回答示例+避坑指南】

1.请做一个自我介绍（基本必考|印象分）

2.你本科期间主要学习了哪些核心课程？哪一门让你印象最深？（极高频|考察学术潜力）

3.请用英语简述一下什么是“自动控制系统”（AutomaticControlSystem）？（常问|考察英

语）

4.在经典控制理论中，PID控制器的三个参数分别起什么作用？（基本必考|重

点准备）

5.请描述你本科期间做过的最完整的一个项目或实验，你在其中担任什么角色？（极高频|

考察实操）

6.假如给你一个倒立摆系统，请现场设计一个简单的控制方案来实现平衡。（重点准备|考

察实操）

7.你的本科毕业设计题目是什么？目前的进度如何？有哪些创新点？（极高频|考察学术潜

力）

8.为什么选择报考我们学校的控制科学与工程专业？（常问|考察读研动机）

9.什么是系统的稳定性？判别系统稳定性的方法有哪些？（极高频|重点准备）

10.Canyouintroduceyourhometownbriefly?（常问|考察英语）

11.在项目开发过程中，你遇到过最难的Bug或实验失败是什么？你是如何解决的？（导师

爱问|考察实操）

12.现代控制理论与经典控制理论的主要区别是什么？（常问|需深度思考）

13.请解释一下什么是“状态空间表达式”（State-SpaceRepresentation）。（基本必考|重点

准备）

14.你熟悉哪些单片机或嵌入式开发平台（如STM32,DSP,FPGA）？请举例说明你的使用

深度。（极高频|考察实操）

15.Whatareyourhobbiesandinterests?（常问|考察英语）

16.如果你的控制系统存在稳态误差，你应该调节PID中的哪一个环节？为什么？（极高频|

重点准备）

17.请简述卡尔曼滤波（KalmanFilter）的基本原理及其应用场景。（重点准备|考察学术潜

力）

18.你用过MATLAB/Simulink吗？请举例说明你用它做过什么仿真。（常问|考察实操）

19.什么是李雅普诺夫（Lyapunov）稳定性判据？（重点准备|需深度思考）

20.PleaseuseEnglishtoexplaintheconceptof"Feedback".（常问|考察英语）

21.在实际工程中，如何消除传感器采集数据的噪声干扰？（导师爱问|考察实操）

22.你是否了解模型预测控制（MPC）？它和传统PID相比有什么优势？（重点准备|考察学

术潜力）

23.如果让你阅读一篇英文文献，你通常会关注哪些部分？（常问|考察科研思维）

24.对于非线性系统，通常采用什么方法进行线性化处理？（基本必考|重点准备）

25.Whatisthedifferencebetween"Open-loop"and"Closed-loop"systems?（基本必考|考

察英语）

26.你在项目中是如何进行参数整定的？是凭经验还是有理论依据？（导师爱问|考察实操）

27.请谈谈你对人工智能（AI）在控制领域应用的看法，比如深度强化学习。（重点准备|考

察学术潜力）

28.傅里叶变换和拉普拉斯变换有什么联系和区别？（常问|需深度思考）

29.你将来的研究计划（ResearchProposal）是什么？打算读博吗？（极高频|考察读研动

机）

30.Pleasetellmeaboutachallengeyoufacedinyourstudiesandhowyouovercameit.

（常问|考察英语）

31.什么是能控性（Controllability）和能观性（Observability）？如何判断？（基本必考|重点

准备）

32.在你的项目中，硬件电路（PCB）是你自己画的吗？遇到过电磁干扰（EMC）问题吗？

（导师爱问|考察实操）

33.解释一下奈奎斯特（Nyquist）稳定判据的物理意义。（重点准备|需深度思考）

34.什么是系统的相位裕度（PhaseMargin）和幅值裕度（GainMargin）？（基本必考|重

点准备）

35.Whatisyourunderstandingof"Robustness"incontrolsystems?（重点准备|考察英语）

36.你最近阅读过哪些控制领域的学术论文或专业书籍？（导师爱问|考察学术潜力）

37.如果导师安排你做一个你完全陌生的方向（例如从做硬件转纯算法），你会怎么处理？

（常问|考察读研动机）

38.C语言中，指针和引用的区别是什么？（针对嵌入式/软件方向较强的学生）（常问|考察

实操）

39.请解释香农采样定理（ShannonSamplingTheorem）及其在数字控制中的意义。（基本

必考|重点准备）

40.Whydoyouwanttocontinueyoureducationinsteadoffindingajob?（极高频|考察英

语）

41.什么是“过拟合”（Overfitting）？在系统辨识或机器学习中如何避免？（重点准备|考察学

术潜力）

42.简述一下ROS（RobotOperatingSystem）的基本概念，你用过吗？（常问|考察实操）

43.你的英语六级通过了吗？如果让你全英文撰写论文，你有信心吗？（常问|考察学术潜

力）

44.电机控制中，PWM（脉宽调制）技术是如何控制电机转速的？（基本必考|考察实操）

45.Howdoyouplantobalanceyourlifeandresearchduringyourmaster'sdegree?（常

问|考察英语）

46.什么是解耦控制？为什么要进行解耦？（需深度思考|重点准备）

47.如果实验数据和理论仿真结果严重不符，你会从哪些角度去排查原因？（导师爱问|考察

科研思维）

48.谈谈你对“工业4.0”或“中国制造2025”中自动化技术的理解。（常问|考察学术潜力）

49.线性代数中的特征值和特征向量在控制理论中有什么物理意义？（需深度思考|重点准

备）

50.Canyoudescribeyourpersonalityinthreewords?（常问|考察英语）

51.你本科期间参加过哪些学科竞赛（如电子设计大赛、数学建模）？具体负责什么？（极

高频|考察实操）

52.什么是自适应控制（AdaptiveControl）？它适用于什么场景？（重点准备|考察学术潜

力）

53.在团队合作中，如果你的队友进度拖延影响了项目，你会怎么做？（常问|考察综合素

质）

54.什么是最小二乘法（LeastSquaresMethod）？它主要用于解决什么问题？（基本必考|

重点准备）

55.DescribeafamousscientistinthefieldofControlEngineering.（重点准备|考察英语）

56.数字信号处理中，IIR滤波器和FIR滤波器有什么区别？（需深度思考|重点准备）

57.你认为做科研最重要的素质是什么？（常问|考察科研思维）

58.如果让你设计一个无人机定高悬停的控制算法，你会考虑哪些干扰因素？（导师爱问|考

察实操）

59.谈谈你对“数字孪生”（DigitalTwin）技术的理解。（常问|考察学术潜力）

60.我问完了，你有什么想问我们各位老师的吗？（面试收尾|加分项）

控制科学与工程26届考研复试高频题深度解答

Q1：请做一个自我介绍

❌低分/踩雷回答示例：

各位老师好，我叫张三，来自某某大学。我平时性格开朗，喜欢打篮球和听音乐。

我本科期间学习非常刻苦，没有任何挂科记录，拿过一次三等奖学金。我之所以报

考咱们学校，是因为觉得这里风景很好，而且听说咱们专业的就业率很高。我非常

希望能考上研究生，因为现在本科生找工作太难了，我想混个学历以后好进国企。

导师为什么给低分：

1.流水账式陈述，缺乏亮点：过多强调无关紧要的兴趣爱好（打篮球、听音乐），而对本科

的核心竞争力（如科研经历、竞赛获奖、专业技能）只字未提，导师无法判断你的学术潜

力。

2.动机极其功利：“混个学历”、“好进国企”这类表述是面试大忌，直接暴露了你缺乏科研热

情，导师会认为你读研只是为了逃避就业，很难沉下心做项目。

3.缺乏专业相关性：自我介绍是展示“我适合做控制研究”的最佳时机，但该回答没有提及任

何与控制工程相关的技能（如MATLAB、STM32、PID调试等），显得非常平庸。

导师青睐的高分回答：

各位老师好，我叫[你的名字]，本科就读于[本科学校]自动化专业。在这三年的学习

中，我始终以“理论指导实践”为核心，不仅前三年加权成绩排名专业前5%，更在科

研实践中积累了扎实的控制工程基础。

我的核心竞争力体现在三个方面：

第一，扎实的专业理论基础。我深入修读了《自动控制原理》、《现代控制理论》

及《数字信号处理》等核心课程，均分超过90分。不仅熟悉频域法的稳定性分析，

更能运用状态空间法对MIMO系统进行建模。

第二，丰富的项目实战经验。大三期间，我作为队长参加了“全国大学生电子设计竞

赛”，负责“倒立摆控制系统”的算法设计。面对系统非线性和机械摩擦干扰，我没有

局限于传统的PID控制，而是查阅文献，尝试引入了LQR最优控制算法，并结合卡

尔曼滤波对陀螺仪数据进行融合，最终实现了摆杆在3秒内快速稳态，获得了省一

等奖。这段经历极大锻炼了我的MATLAB仿真能力和嵌入式（STM32）开发能力。

第三，明确的科研规划。我关注到贵校在[导师研究方向，如多智能体协同/非线性

控制]领域处于国内领先地位，这与我未来的研究兴趣高度契合。

如果能有幸师从各位老师，我计划在研一阶段夯实数学基础，尤其是凸优化和矩阵

论，并尽快融入实验室项目，争取在研二产出高水平学术成果。谢谢！

Q2：你本科期间主要学习了哪些核心课程？哪一门让你印象最深？

❌低分/踩雷回答示例：

我学了很多课，有自控原理、电路、模电数电、微机原理、C语言等等。印象最深

的应该是C语言吧，因为那个老师讲课特别风趣幽默，从来不点名，而且最后考试

我也考了95分，觉得挺容易学的。其他的课程虽然也学了，但感觉公式太多，现在

基本都忘得差不多了，可能需要读研之后再复习一下。

导师为什么给低分：

1.选课理由肤浅：选择“印象最深”的课程竟然是因为“老师不点名”或“考试简单”，这完全暴露

了学生缺乏求知欲和挑战难度的勇气，导师会认为你是一个避重就轻的人。

2.专业基础薄弱：承认“公式太多，忘得差不多了”，这是致命伤。控制学科高度依赖数学和

理论，这种回答直接告诉导师你基础不牢，入校后需要花费大量时间补课。

3.缺乏学科认知：C语言只是工具，而非控制学科的灵魂。未能选择《自动控制原理》或

《线性系统》等核心理论课，说明你对本专业的学科体系缺乏深刻理解。

导师青睐的高分回答：

本科期间，我系统构建了控制科学的知识体系，核心课程包括《自动控制原理》、

《现代控制理论》、《过程控制》、《信号与系统》以及《微机原理与接口技

术》。

其中，让我印象最深且受益匪浅的是**《自动控制原理》。

首先，这门课是我从“感性认知”跨越到“理性建模”的桥梁。在学习这门课之前，我对

控制的理解仅停留在“输入输出”的黑盒层面；而通过拉普拉斯变换、传递函数等工

具，我学会了如何用数学语言描述物理系统的动态行为。

其次，它教会了我“频域分析”的独特视角。特别是奈奎斯特（Nyquist）稳定判据

**，它通过开环频率特性曲线包围(-1,j0)点的圈数来判断闭环稳定性，这种“以静制

动、以开环断闭环”的思维方式让我极其震撼，体现了数学在工程中的优美与力量。

最后，这门课强调的“稳、准、快”性能指标，成为了我后续做所有工程项目的指导

原则。在我的飞思卡尔智能车比赛中，正是基于根轨迹法分析，我才意识到单纯增

大增益会导致极点右移从而引发振荡，进而引入微分环节增加阻尼，解决了高速过

弯时的甩尾问题。这门课不仅是理论的基石，更是解决工程问题的金钥匙。

Q3：请用英语简述一下什么是“自动控制系统”（AutomaticControl

System）？

❌低分/踩雷回答示例：

AutomaticControlSystemisveryimportant.Itcanmakemachineswork

bythemselveswithoutpeople.Forexample,airconditioner.Whenitis

hot,itopens.Whenitiscold,itcloses.Ithasinputandoutput.Ituses

electricitytorun.Ithinkitisveryusefulinindustryandourdailylife.

That'sall,thankyou.

导师为什么给低分：

1.语言过于口语化/幼儿化：使用"makemachineswork"、"Itopens/closes"这种小学生级

别的表达，完全没有体现研究生的专业英语水平。

2.缺乏专业术语：解释自动控制系统时，竟然没有出现Feedback(反馈)、Error(误差)、

Reference(给定值)等核心词汇，定义极度不准确。

3.逻辑松散：仅仅举了一个简单的开关例子，没有阐述控制系统的闭环机理，无法体现学科

内涵。

导师青睐的高分回答：

AnAutomaticControlSystemisaconfigurationofphysicalcomponents

connectedinsuchamannersoastoregulate,direct,orcommanditself

oranothersystemtoachieveadesiredperformance.

Specifically,therearethreekeyelementsinmyunderstanding:

FirstistheReferenceInput,orthesetpoint,whichrepresentsthedesired

outputvalue.

SecondisthePlant,orthecontrolledobject,whichisthesystemwewant

tomanipulate.

Third,andmostimportantly,istheFeedbackLoop.Thesystem

continuouslymeasurestheActualOutputviasensorsandcomparesitwith

theReferenceInputtogenerateanErrorSignal.TheControllerthen

processesthiserrortogenerateacontrolaction,drivingtheplantto

reducetheerrortozero.

Forexample,inacruisecontrolsystemofacar,theengineistheplant,

thedesiredspeedisthereference,andthespeedometeractsasthe

sensor.Thesystemautomaticallyadjuststhethrottletomaintainconstant

speeddespiteroadslopes.Thisclosed-loopmechanismensuresstability

androbustnessagainstexternaldisturbances.

Q4：在经典控制理论中，PID控制器的三个参数分别起什么作用？

❌低分/踩雷回答示例：

PID就是比例、积分、微分。P就是比例，它负责控制现在的误差；I是积分，负责

消除误差；D是微分，负责预测未来。一般我们在调参数的时候，就先调P，再调

I，最后调D。如果系统震荡了，就把P减小一点。大概就是这样，具体怎么调得看

实际情况，我也说不太清楚物理意义。

导师为什么给低分：

1.背诵痕迹明显但理解肤浅：虽然说出了“现在、过去、未来”的口诀，但没有解释物理层面

的动态响应特征（如上升时间、超调量、稳态误差）。

2.缺乏工程直觉：只知道“震荡减小P”，不知道D也能抑制震荡，更没有提到I会导致相位滞

后或积分饱和（Windup）等实际问题。

3.表述不严谨：对于研究生的要求是能够从“能量”或“阻尼”的角度去解释，而不仅仅是简单

的定义堆砌。

导师青睐的高分回答：

PID控制器是工业界应用最广泛的控制算法，三个参数分别对应系统对当前、过去

和未来误差的响应，具体作用如下：

1.比例系数（Proportional）：

它反映了控制系统的“刚度”。主要影响系统的响应速度。增大可以减小

上升时间，加快响应，但过大的会引入过大的超调甚至导致系统不稳定。从

物理意义上讲，它类似于弹簧系统中的“弹性系数”。

2.积分系数（Integral）：

它的核心作用是消除稳态误差，提高系统的无静差度。只要存在偏差，积分项就

会不断累积，增强控制力度，直到偏差为零。但积分引入了90度的相位滞后，过

强的积分作用会降低系统的稳定性余量，并可能引发积分饱和（Integral

Windup）现象，导致系统响应迟缓或大幅超调。

3.微分系数（Derivative）：

它反映了误差的变化趋势，具有预判性。相当于在系统中引入了“阻尼”，能

够抑制超调，改善系统的动态性能，缩短调节时间。但在实际工程中，微分项对

高频噪声极其敏感，因此通常需要配合低通滤波器使用，或者在噪声较大的系统

中仅使用PI控制。

在实际调试中，我通常遵循“先P后I再D”的原则，并在Simulink仿真中观察根轨迹的

变化，以确定最优参数范围。

Q5：请描述你本科期间做过的最完整的一个项目或实验，你在其中担任什么角

色？

❌低分/踩雷回答示例：

大三的时候我们做了一个智能小车。我是组长，负责统筹安排。我们买了一个底

盘，然后用STM32写代码让它跑。中间遇到了很多问题，比如车轮不转、传感器坏

了之类的。后来我们换了个电池，又重新接了线，车就能跑了。最后我们拿了学校

的三等奖。我觉得这个项目锻炼了我的动手能力和团队合作精神。

导师为什么给低分：

1.角色模糊，贡献度低：“统筹安排”往往是划水的代名词。导师想听到的是你具体写了哪部

分代码、画了哪块板子、推导了哪个公式。

2.技术含量过低：“买底盘”、“换电池”、“接线”属于技术工人的工作范畴，而非研究生的科研

工作。没有体现算法设计、闭环控制、信号处理等核心技术。

3.缺乏问题解决的逻辑：描述问题和解决过程过于流水账，没有展现出“发现问题->分析原

因->提出方案->验证方案”的工程思维闭环。

导师青睐的高分回答：

我本科期间最完整的项目是“基于视觉伺服的四旋翼无人机自主定点降落系统”。我

在三人小组中担任核心算法负责人。

项目背景：目标是让无人机在GPS信号丢失的环境下，识别地面地标并精准降

落。

我的具体工作与技术难点：

1.视觉算法设计：我利用OpenCV对下视摄像头采集的图像进行二值化和边缘检测，识

别“H”型地标。难点在于光照变化会导致识别失败，我通过引入自适应阈值算法

（OTSU）解决了这一问题。

2.位姿解算与控制：通过PnP算法解算出无人机相对于地标的位姿（位置与偏航角）。针对

无人机气流扰动大的问题，我设计了串级PID控制器——外环控制位置，内环控制姿态角

（Roll/Pitch）。

3.状态估计：针对视觉数据刷新率低（30Hz）的问题，我使用了扩展卡尔曼滤波

（EKF），融合了IMU的高频数据（200Hz）和视觉的低频位置数据，实现了平滑且实时

的状态估计。

最终成果：我们的系统实现了在风力干扰下，降落误差控制在5cm以内。该项目获

得了“西门子杯”智能制造挑战赛国家级二等奖。这段经历让我深刻理解了传感器噪

声处理和多速率数据融合在实际控制系统中的重要性。

Q6：假如给你一个倒立摆系统，请现场设计一个简单的控制方案来实现平衡。

❌低分/踩雷回答示例：

倒立摆就是一个杆子立在小车上。要让它平衡，我就用PID控制。如果杆子往左

倒，我就让小车往左加速跑，把它接住。具体就是测杆子的角度，然后算PID，输

出给电机。参数的话就慢慢调，直到它不倒为止。如果还不行，可能就得用两个

PID，一个管角度，一个管位置。

导师为什么给低分：

1.缺乏建模思维：直接跳到PID，没有提及系统的动力学建模（如拉格朗日方程或牛顿-欧拉

法），这是控制系学生的基本素养。

2.控制策略过于通俗：“往左加速跑接住”虽然直观，但缺乏学术表达。未提及线性化过程，

倒立摆是典型的非线性系统，直接用PID需要前提条件。

3.忽视系统特性：未提到倒立摆是“欠驱动”（Underactuated）和“不稳定”系统，忽略了系

统可控性的分析。

导师青睐的高分回答：

倒立摆是典型的非线性、强耦合、欠驱动系统，设计控制方案我将遵循“建模-分析-

设计”的步骤：

1.数学建模与线性化：

首先，利用拉格朗日方程建立系统动力学模型。由于在平衡点（竖直向上）附近

控制，我可以对非线性模型进行小信号线性化处理（即），

得到状态空间表达式，其中状态变量选取

位移速度角度角速度。

2.系统特性分析：

计算矩阵的特征值，由于倒立摆本质不稳定，必然存在正实部的特征值。接

着，计算能控性矩阵，验证其满秩，确保系统是可控

的，这是设计控制器的前提。

3.控制器设计（两种方案）：

方案一（经典控制）：采用双闭环PID控制。内环为角度环（维持平衡，响应需极

快），外环为位置环（控制小车位置）。关键在于内环的带宽要远大于外环，且需注

意极性，确保形成负反馈。

方案二（现代控制）：采用LQR（线性二次型调节器）。设计性能指标函数，权衡

状态偏差和控制能量。通过求解Riccati方程得到最优状态反馈增益矩阵，即

。这种方法能更系统地处理多变量耦合问题。

4.工程实现：实际操作中，我会使用高精度编码器采集角度，并对微分信号进行低

通滤波处理，防止高频噪声引入电机震荡。

Q7：你的本科毕业设计题目是什么？目前的进度如何？有哪些创新点？

❌低分/踩雷回答示例：

我的毕设题目是《基于单片机的温湿度控制系统》。现在才刚开学，我刚把开题报

告写完，还没开始做实物。导师给了一个大概的方案，我就照着做。创新点嘛，我

觉得可能是我用了最新的STM32芯片，比以前的51单片机快一点。其他的好像也没

什么特别的，毕竟本科毕设也做不出什么大东西。

导师为什么给低分：

1.题目过于简单陈旧：“温湿度控制”是几十年前的入门级题目，很难体现985/211考生的水

平，除非有极强的算法创新。

2.态度消极被动：“还没开始做”、“照着做”、“做不出大东西”，这些言论暴露了考生的拖延症

和缺乏探索精神。复试通常在3-4月，此时毕设应该已经完成核心功能，而非仅停留在开

题。

3.对“创新”理解偏差：换个芯片不叫创新，这叫硬件升级。创新应体现在算法优化、结构改

进或新应用场景上。

导师青睐的高分回答：

我的毕业设计题目是《基于深度强化学习的机械臂避障轨迹规划研究》。目前我已

经完成了仿真环境的搭建和算法的初步验证，正在进行实机移植测试。

具体进度如下：

1.环境搭建（100%）：在ROS(RobotOperatingSystem)中使用Gazebo搭建了包含动态

障碍物的仿真环境。

2.算法设计（80%）：我没有使用传统的A*或RRT算法，而是尝试了DDPG（深度确定性

策略梯度）算法。通过设计合理的奖励函数（RewardFunction），平衡了路径长度、避

障安全距离和关节平滑度。

3.实验验证（50%）：仿真显示，该算法在动态环境下的避障成功率比传统人工势场法提

升了15%。目前正在解决Sim-to-Real（仿真到现实）的迁移鸿沟问题。

主要创新点：

1.改进的经验回放机制：针对稀疏奖励导致收敛慢的问题，我引入了优先经验回放

（PER），显著加快了训练速度。

2.混合控制策略：在强化学习输出动作的基础上，我叠加了一个底层的PID位置控制器，既

保证了智能规划，又确保了机械臂执行的稳定性，避免了端到端输出力矩导致的抖动问

题。

Q8：为什么选择报考我们学校的控制科学与工程专业？

❌低分/踩雷回答示例：

因为咱们学校是985，名气大，好找工作。而且我家就在这附近，离家近方便。我

看了一下往年的分数线，我觉得我努努力能考上。另外，我本科学校一般，想通过

考研提升一下学历背景。其实我也没想好具体搞什么方向，就是觉得控制专业万金

油，以后转码或者去国企都行。

导师为什么给低分：

1.动机纯粹功利：只提“名气”、“好找工作”、“离家近”，完全没有提及学术追求，导师会觉得

你是一个精致的利己主义者。

2.缺乏对学校的调研：没有提到该校的具体优势方向或实验室，显示出你并没有认真做功

课。

3.职业规划混乱：“万金油”、“转码”等词汇，在控制系导师听来非常刺耳。导师希望招到的

是热爱本专业并愿意深耕的人，而不是想把这里当跳板的人。

导师青睐的高分回答：

我选择报考贵校，是基于学科实力、科研方向契合度以及个人学术追求的深思熟

虑。

首先，贵校的控制科学与工程学科在第四轮学科评估中名列前茅，尤其是在**[具体

方向，如网络化控制/机器人/过程控制]**领域，拥有国家重点实验室和以[某院士/知

名教授]为首的顶尖团队。这种高水平的科研平台是我一直向往的。

其次，我在阅读文献时，深入拜读了贵校[某位具体老师]关于**[具体技术点，如多

智能体一致性/非线性鲁棒控制]**的论文。该研究巧妙地解决了[具体痛点]，这与我

本科期间对分布式控制的兴趣高度契合。我非常渴望能在这个方向深入研究，解决

更复杂的工程问题。

最后，贵校严谨务实的学风深深吸引了我。我是一个喜欢钻研技术的人，希望在一

个充满学术氛围的环境中，将理论与实践结合。我相信在贵校的培养下，我能从一

个单纯的知识接收者转变为知识的创造者，为国家的自动化领域贡献一份力量。

Q9：什么是系统的稳定性？判别系统稳定性的方法有哪些？

❌低分/踩雷回答示例：

稳定性就是系统受到干扰后，能不能回到原来的状态。如果回得去就是稳定，回不

去就是不稳定。判别方法的话，我看书上说有劳斯判据，还有那个奈奎斯特图，伯

德图也能看。如果特征方程的根都在左半平面，那就是稳定的。大概就是这些吧。

导师为什么给低分：

1.定义不严谨：口语化的“回得去”无法准确描述BIBO（有界输入有界输出）或渐进稳定性。

2.罗列名词缺乏逻辑：虽然列举了方法，但没有分类（时域、频域、代数法），也没有解释

各方法的适用场景（线性/非线性）。

3.理论深度不足：没有提到现代控制理论中的核心判据——李雅普诺夫方法，这对于研究生

复试来说是必考点。

导师青睐的高分回答：

系统稳定性是控制理论的核心。从物理意义上讲，它指系统在受到有界扰动后，其

状态偏离平衡点，最终能恢复到平衡点（渐进稳定）或保持在平衡点附近（李雅普

诺夫稳定）的能力。

判别系统稳定性的方法主要分为三类：

1.代数判据（时域）：

劳斯-赫尔维茨（Routh-Hurwitz）判据：无需求解特征根，直接根据特征方程系数构

造劳斯表。适用于线性定常系统，主要用于判断绝对稳定性或确定参数范围。其充要

条件是特征方程所有根均位于S平面左半部分。

2.几何/频率域判据：

奈奎斯特（Nyquist）判据：利用开环频率特性曲线包围(-1,j0)点的圈数与开环右极点

数的关系来判断闭环稳定性。它不仅能判断稳定性，还能揭示稳定裕度（相位裕度、

幅值裕度）。

根轨迹法：通过观察闭环极点随增益变化的轨迹，直观判断系统在什么参数范围内

是稳定的。

3.李雅普诺夫（Lyapunov）判据（现代控制理论）：

这是最通用的方法，适用于线性及非线性、定常及时变系统。

第一法（间接法）：通过在平衡点附近线性化来判断。

第二法（直接法）：构造一个标量能量函数。若正定且其导数负

定，则系统在平衡点渐进稳定。这是研究非线性系统稳定性的最有力工具。

Q10：Canyouintroduceyourhometownbriefly?

❌低分/踩雷回答示例：

MyhometownisWuhan.Itisabigcity.Therearemanypeopleandmany

cars.Thefoodisverydelicious,likeHotDryNoodles.Ilikeitverymuch.

Theweatherishotinsummer.Therearealsomanyuniversities.Welcome

tomyhometown.

导师为什么给低分：

1.内容空洞，像小学生作文：只停留在“大城市”、“好吃”、“人多”的表面描述，完全没有体现

大学生的认知深度。

2.句式单一，语法简单：全是"Itis...","Thereare..."的简单句，缺乏从句和高级词汇。

3.缺乏个人联结：没有将家乡的特点与你的性格或学术背景联系起来，错失了展示个人特质

的机会。

导师青睐的高分回答：

Icomefrom[CityName],acityhistoricallyknownasanindustrialhubin

[Region]China.

Forme,itismorethanjustahometown;itistheplacewheremypassion

forengineeringwasignited.Growingupsurroundedbyhugefactoriesand

automatedassemblylines,Iwasalwaysfascinatedbyhowmassive

machinerycouldoperatewithsuchprecision.Thisenvironmentimplicitly

influencedmydecisiontomajorinControlEngineering.

Besidesitsindustrialbackground,myhometownisalsofamousforits

resilientculture.Peoplethereareknownforbeinghardworkingand

persistent.Thisspirithasshapedmypersonality,makingmesomeone

whoisnotafraidofdebuggingcomplexcodesorconductingtedious

experimentsinthelab.

Ifyouhaveachancetovisit,Iwouldbehonoredtoshowyounotonlythe

deliciouslocalcuisinebutalsotherapidtechnologicaldevelopmentofthe

city.

Q11：在项目开发过程中，你遇到过最难的Bug或实验失败是什么？你是如何解

决的？

❌低分/踩雷回答示例：

最难的Bug应该是有一次写代码，我不小心把分号写成中文的了，编译器一直报

错，我找了半天才找到。还有一次是电路板怎么都不工作，后来发现是芯片烧了。

解决办法就是换了个芯片。我觉得这些都很正常，细心一点就好了。

导师为什么给低分：

1.问题过于低级：“中文分号”是初学者错误，研究生复试提这个会显得你代码量极少，经验

匮乏。

2.缺乏排查逻辑：发现芯片烧了的过程是关键，而不是结果。直接说“换了个芯片”掩盖了最

体现能力的“故障诊断”过程。

3.没有复盘总结：仅仅归结为“细心一点”，没有涉及到系统性的改进措施（如增加保护电

路、规范代码风格）。

导师青睐的高分回答：

我印象最深刻的一次实验失败是在做倒立摆项目时，遇到了严重的“高频震荡”问

题。在仿真中PID参数表现完美，但一上实物，电机就会疯狂抖动并发出啸叫。

排查过程：

1.隔离变量：首先我断开电机电源，用示波器观察传感器（编码器）的数据，发现原始信号

中混杂了大量的毛刺噪声，这是微分项（D）引入震荡的根源。

2.理论分析：我意识到纯粹的在实际工程中是不可行的，因为微分会放大高频噪

声。

3.解决方案：

硬件上：我在电机驱动线和信号线之间增加了磁环，并检查了共地（Common

Ground）连接，减少电磁干扰。

软件上：我设计了一个一阶低通滤波器（Low-passFilter）串联在微分环节之后，或

者说是采用了“不完全微分”PID算法。通过调节滤波系数，滤除了高频噪声。

最终结果：消除抖动后，系统不仅稳定，而且能耗降低了。这次经历让我深刻理解

了“仿真与现实的差距”，以及信号预处理在闭环控制中的决定性作用。

Q12：现代控制理论与经典控制理论的主要区别是什么？

❌低分/踩雷回答示例：

经典控制理论就是本科前两年学的，主要用传递函数，只管输入输出。现代控制理

论是后来学的，用矩阵和状态空间。经典控制理论只能处理单输入单输出，现代控

制理论可以处理多输入多输出。感觉现代控制理论更高级一点，数学更难。

导师为什么给低分：

1.表述过于浅显：仅仅停留在“矩阵”和“SISO/MIMO”的区别，没有触及核心本质。

2.忽视了系统内部特性：没有提到“状态”这一核心概念对系统内部行为的描述能力。

3.缺乏对设计方法的对比：未提及经典控制主要依靠试凑和经验（频域法），而现代控制倾

向于解析解和最优控制。

导师青睐的高分回答：

经典控制理论与现代控制理论不仅仅是数学工具的差异，更是系统观和设计方法论

的根本变革。主要区别体现在以下三点：

1.数学模型与研究对象：

经典控制基于传递函数，在频域或复频域进行分析。它视系统为“黑箱”，只关注输入与

输出的关系，仅适用于单输入单输出（SISO）、线性定常系统。

现代控制基于状态空间表达式，在时域进行分析。它通过“状态变量”深入描述系统内部

的能量或信息变化，视系统为“白箱”或“灰箱”，能够处理多输入多输出（MIMO）、非

线性、时变系统。

2.分析方法的完备性：

经典控制由于忽略了内部状态，可能会出现零极点对消导致的“不可控”或“不可观”问

题却无法察觉。

现代控制引入了能控性和能观性的严谨定义，全面揭示了系统的结构特性。

3.控制目标与设计方法：

经典控制主要依靠伯德图、根轨迹等图形化工具进行设计，目标通常是满足稳态误

差、超调量等指标，设计过程依赖经验和试凑。

现代控制可以基于严格的数学推导，设计出满足积分性能指标（如能量最小、时间最

短）的最优控制器（OptimalControl），实现了从“可行控制”到“最优控制”的跨越。

Q13：请解释一下什么是“状态空间表达式”（State-Space

Representation）。

❌低分/踩雷回答示例：

状态空间表达式就是和这两个公式。是状态，是

输入，是输出。A、B、C、D是矩阵。它可以用来算系统的解。现代控制理论里

都是用这个来做题的。

导师为什么给低分：

1.纯公式背诵：没有解释公式背后的物理含义，导师不知道你是否真懂。

2.对“状态”定义不清：没有解释为什么需要引入“状态”这个概念（即最小信息集）。

3.忽略了其优势：没有提到它为何优于传递函数（如处理初值问题）。

导师青睐的高分回答：

状态空间表达式是现代控制理论的基石，它通过引入“状态变量”来完全描述系统的

动态行为。

1.核心概念——状态（State）：

状态是一组物理量（如位置、速度、电流），这组变量包含了系统在时刻的

历史信息。只要知道时刻的状态和之后的所有输入，我们就能

够唯一确定系统在未来任何时刻的行为。这组变量不仅是完全的，而且是最小

的。

2.数学形式：

它由两个方程组成：

状态方程()：是一个一阶微分方程组，描述了系统内部状态随时间和输

入的变化规律。是系统矩阵，决定了系统的自由运动模式（特征值）；是输入矩

阵。

输出方程()：是一个代数方程，描述了外部观测到的输出如何由内部状

态和当前输入决定。

3.核心优势：

与传递函数相比，状态空间法不仅能反映输入输出关系，还能揭示系统内部的动

态（如能控性和能观性）。此外，它非常适合用计算机进行数值迭代求解，也方

便处理多变量耦合问题和非零初始条件下的响应计算。

Q14：你熟悉哪些单片机或嵌入式开发平台（如STM32,DSP,FPGA）？请举例

说明你的使用深度。

❌低分/踩雷回答示例：

我学过51单片机和STM32。我用STM32F103做过流水灯、按键控制，还接过一个

温度传感器显示在屏幕上。DSP和FPGA听说过，但没怎么用过。我觉得STM32挺

好用的，库函数直接调用就行了，不需要像汇编那样写代码。

导师为什么给低分：

1.应用层次过浅：“流水灯”、“接传感器”是本科低年级实验水平，无法体现研究生级别的复

杂逻辑控制能力。

2.依赖库函数，不懂底层：特意强调“库函数直接调用”，反而暴露了你对寄存器配置、中断

机制、时钟树等底层原理的不求甚解。

3.技术栈单一：只接触过最基础的F103，对于高性能控制常用的DSP或并行处理的FPGA

缺乏了解，限制了科研潜力。

导师青睐的高分回答：

在本科项目中，我主要使用STM32系列进行控制系统开发，同时也自学过FPGA的

基础应用。

1.STM32开发深度（熟练）：

我常用的型号是STM32F407（Cortex-M4内核）。我不局限于HAL库的调用，

由于控制算法对实时性要求高，我习惯直接操作寄存器或使用LL库来优化关键代

码。

具体案例：在“倒立摆”项目中，我利用定时器中断以1kHz的频率运行PID闭环，同时配

置DMA（直接存储器访问）**来处理串口数据收发和ADC采样，极大地释放了CPU资

源用于浮点数运算。此外，我还移植过**FreeRTOS实时操作系统，实现了任务调度和

优先级管理，解决了多传感器数据读取卡顿的问题。

2.FPGA入门与探索（了解）：

我曾使用Verilog在XilinxArtix-7平台上实现过简单的数字信号处理。

具体案例：为了对高频信号进行滤波，我设计了一个并行的FIR滤波器。这让我深刻体

会到了FPGA在并行处理和硬实时逻辑方面的巨大优势，这与MCU的顺序执行逻辑完

全不同。

未来读研期间，我希望能深入学习DSP或Zynq（ARM+FPGA）架构，以应对更复

杂的运动控制或图像处理任务。

Q15：Whatareyourhobbiesandinterests?

❌低分/踩雷回答示例：

Ilikeplayingcomputergames,likeLeagueofLegends.Ialsolike

sleepingandwatchingmovies.SometimesIreadnovels.Ithinkthese

hobbiescanhelpmerelax.

导师为什么给低分：

1.爱好过于消极/娱乐化：打游戏、睡觉、看小说，给导师的印象是“宅”、“懒”、“缺乏自

律”。虽然真实，但在面试场合极不加分。

2.缺乏与科研素质的关联：这些爱好无法体现毅力、逻辑思维、团队合作或动手能力。

3.回答过于简短：没有展开说明爱好对个人成长的积极影响。

导师青睐的高分回答：

Beyondmyacademicstudies,IhaveastrongpassionforLong-distance

runningandDIYElectronics.

First,runningisnotjustasportforme;itisawaytotrainmywillpower.

Duringmypreparationforthepostgraduateentranceexam,Iinsistedon

running5kilometerseveryotherday.Ithelpedmereleasestressand

taughtmethatpersistencebringssuccess,whichisverysimilarto

scientificresearch—it'samarathon,notasprint.

Second,IamaDIYenthusiast.Ienjoydisassemblingbrokenelectronic

devicesandtryingtofixthemorturnthemintosomethingnew.For

instance,Ioncemodifiedanoldrouterintoaremote-controlledswitchfor

mydormlights.Thishobbykeepsmycuriosityaliveandimprovesmy

hands-onability,allowingmetoapplytheoreticalknowledgetoreal-

worldproblems.

Q16：如果你的控制系统存在稳态误差，你应该调节PID中的哪一个环节？为什

么？

❌低分/踩雷回答示例：

如果有稳态误差，应该调P（比例）。把P调大一点，误差就会变小。如果还不行，

就调I（积分）。I是专门消除误差的。D是管动态的，跟稳态误差没关系。

导师为什么给低分：

1.逻辑顺序错误：虽然P确实能减小稳态误差，但不能消除（对于有静差系统）。消除稳态

误差的核心是I。考生的回答逻辑混乱。

2.原理阐述不清：没有解释为什么I能消除误差（即积分项的累积效应），只给出了结论。

3.忽略了副作用：只说“把P调大”、“调I”，没提到这些操作可能带来的稳定性问题（如震

荡），显得工程经验不足。

导师青睐的高分回答：

如果控制系统存在稳态误差，最直接有效的手段是引入或增强积分环节（Integral,

）。

原因如下：

1.积分的数学特性：积分项的输出是误差随时间的累积（）。只要系统存在偏差

（），积分项的输出就会不断增加（或减小），从而增大控制器的输出力度，驱

动执行机构去克服阻力，直到偏差完全消失（），积分项才会停止变化并维持在

当前的输出值。

2.系统型别提升：从理论上讲，引入一个积分环节，相当于让开环传递函数增加了一个原

点处的极点，使系统的“型别”加1。对于阶跃输入，0型系统有静差，而1型系统可以实现

无静差跟踪。

补充说明：

虽然增大**比例系数（）也能在一定程度上减小稳态误差（因为），

但单纯依靠P无法彻底消除误差，且过大的P会导致系统震荡甚至不稳定。

需要注意的是，引入积分环节会引入90度的相位滞后，可能会降低系统的稳定性。

因此，在实际调节中，通常需要配合适当的比例和微分作用，或者采用“抗积分饱

和”**算法，以在消除误差和保持稳定之间取得平衡。

Q17：请简述卡尔曼滤波（KalmanFilter）的基本原理及其应用场景。

❌低分/踩雷回答示例：

卡尔曼滤波就是一个算法，用来滤波的。它可以把很乱的波形变平滑。比如传感器

有很多噪声，用卡尔曼滤波算一下，数据就准了。原理好像是用了两个方程，一个

预测，一个更新。具体公式太长了记不住。主要用在导航或者雷达里面。

导师为什么给低分：

1.描述过于通俗：“把波形变平滑”是低通滤波器的功能，不是卡尔曼滤波的核心（最优估

计）。

2.缺乏数学直觉：没有提到“状态估计”、“协方差矩阵”、“高斯白噪声”等核心概念。

3.对原理一知半解：仅仅知道“预测-更新”，但不知道它是基于什么标准进行更新的（即卡尔

曼增益的最优性）。

导师青睐的高分回答：

卡尔曼滤波是一种在存在不确定性（噪声）的情况下，对动态系统状态进行最小均

方误差（MinimumMeanSquareError）估计的递归算法。

基本原理（两个步骤）：

1.预测（Prediction）：利用系统的数学模型（状态方程），根据上一时刻的最

优估计值，预测当前时刻的状态先验值，并计算预测误差协方差。

2.更新（Update）：引入当前的观测数据（测量值）。通过计算卡尔曼增益

（KalmanGain,），对“模型预测值”和“传感器测量值”进行加权融合。

如果测量噪声（）大，就小，算法更相信模型预测；

如果过程噪声（）大，就大，算法更相信测量值。

最终得到当前时刻的最优后验估计。

应用场景：

它广泛应用于多传感器融合和状态观测领域。

例如在无人机飞控中，陀螺仪动态响应快但有漂移，加速度计无漂移但高频噪声

大。卡尔曼滤波可以融合这两者的数据，得到精准且平滑的姿态角估计。此外，在

SLAM（即时定位与地图构建）、雷达目标跟踪、电池SOC估算中也是核心算法。

Q18：你用过MATLAB/Simulink吗？请举例说明你用它做过什么仿真。

❌低分/踩雷回答示例：

用过，上课的时候老师教过。做过一些数学题的计算，画个图什么的。Simulink也

用过，拖几个模块进去，比如示波器、正弦波，看看波形。毕设的时候本来想用它

仿真，但是没调通，后来就没用了。

导师为什么给低分：

1.使用深度仅限于“计算器”：只用来“画图”、“算题”，没有体现其作为控制系统设计工具的

核心价值（建模、分析、代码生成）。

2.放弃难点：“没调通就没用了”暴露了遇到困难直接放弃的态度，这是科研大忌。

3.缺乏具体案例：没有描述具体的控制对象或算法，显得空洞。

导师青睐的高分回答：

MATLAB/Simulink是我本科期间最常用的科研工具，我不仅用它进行理论验证，还

用它进行半实物仿真。

具体应用案例：

在我的“直流电机双闭环调速系统”设计中，我深度使用了Simulink。

1.系统建模：我没有直接使用现成的电机模块，而是根据电机的电感、电阻、转动惯量等物

理参数，搭建了基于微分方程的原始模型，以便深入理解电机特性。

2.控制算法验证：我在Simulink中搭建了ASR（转速环）和ACR（电流环）的结构，并使用

S-Function编写了一些自定义的非线性控制逻辑。通过SISOTool（单输入单输出工具

箱）观测根轨迹，辅助我整定PID参数。

3.问题解决：仿真中我发现系统响应有超调，通过分析Bode图，我发现相位裕度不足。于

是我引入了一个超前校正网络（LeadCompensator），成功改善了动态性能。

此外，我还尝试过使用EmbeddedCoder将Simulink模型直接生成C代码，虽然

还在探索阶段，但这让我看到了“基于模型设计（MBD）”的高效性。

Q19：什么是李雅普诺夫（Lyapunov）稳定性判据？

❌低分/踩雷回答示例：

李雅普诺夫判据就是用来判断非线性系统稳不稳定的。它好像是说如果不求微分方

程的解，也能判断稳定性。具体就是找一个函数V，如果V大于0，V的导数小于0，

那就是稳定的。这个比较抽象，我本科主要还是用劳斯判据多一点。

导师为什么给低分：

1.缺乏物理直觉：只背诵了数学条件，没有解释背后的物理意义（能量衰减）。

2.条件表述不全：忽略了“正定”、“负定”等严格的数学术语，也未区分“局部稳定”与“全局稳

定”。

3.回避难点：承认“本科用劳斯判据多”，暗示自己对现代控制理论掌握不足。

导师青睐的高分回答：

李雅普诺夫稳定性判据是现代控制理论中判断系统（尤其是非线性系统）稳定性的

最核心工具。它基于“能量”的观点，无需求解微分方程即可判断稳定性。

其核心思想（第二法/直接法）是：

对于一个系统，如果能找到一个标量函数（称为李雅普诺夫函数），它类似于

系统的“广义能量”，满足以下条件：

1.正定性：（在原点外），且。这意味着系统具有正的“能量”。

2.导数负定性：。这意味着系统的“能量”随着时间单调递减。

结论：

如果满足上述条件，系统的能量最终会耗散殆尽，状态必然收敛回平衡点，即系

统是渐进稳定的。如果（半负定），则系统是李雅普诺夫稳定（临界稳

定）。

难点：

李雅普诺夫方法的难点在于如何构造这个函数。对于线性系统有固定的二次

型方法（），但对于非线性系统，通常需要依赖经验或克拉索夫

斯基法等技巧构造。

Q20：PleaseuseEnglishtoexplaintheconceptof"Feedback".

❌低分/踩雷回答示例：

Feedbackisoutputgobacktoinput.Forexample,youdriveacar.You

seetheroad,youturnthewheel.Thisisfeedback.Ifnofeedback,you

willcrash.Feedbackmakessystemstable.Itisveryuseful.

导师为什么给低分：

1.Chinglish（中式英语）："Outputgobacktoinput"语法错误，表达极其不专业。

2.解释过于浅显：仅仅描述了现象，没有触及“误差修正”这一核心机制。

3.词汇量贫乏：没有使用deviation,correct,disturbace,closed-loop等专业词汇。

导师青睐的高分回答：

Feedbackisafundamentalconceptincontrolengineering,representinga

processwhereaportionofthesystem'soutputsignalisreturnedor"fed

back"totheinputside.

Thecoremechanismoffeedbackworksasfollows:

Thesystemcomparestheactualoutput(measuredbysensors)withthe

desiredreference.Thedifferencebetweenthemiscalledtheerrorsignal.

Thecontrollerthenusesthiserrortoadjusttheinputoftheplantto

minimizetheerror.

Therearetwomaintypesoffeedback:

1.NegativeFeedback:Thisisthemostcommontypeincontrolsystems.Itactsto

reducethedifferencebetweenoutputandreference,therebyimprovingstability,

increasingbandwidth,andreducingsensitivitytodisturbancesandparameter

variations.

2.PositiveFeedback:Thistendstoamplifychangesandisoftenusedinoscillators,but

itgenerallyleadstoinstabilityincontrolsystems.

Insummary,feedbackturnsanopen-loopsystemintoaclosed-loop

system,makingit"intelligent"enoughtoself-regulate.

Q21：在实际工程中，如何消除传感器采集数据的噪声干扰？

❌低分/踩雷回答示例：

如果有噪声，我就用软件滤一下。比如求个平均值，或者把那种特别离谱的数据删

掉。如果还不行，就在硬件上加个电容。具体加多大我一般是试出来的，看示波器

波形，直到波形平滑为止。反正只要最后数据能用就行。

导师为什么给低分：

1.手段单一且盲目：只提到“求平均”和“试电容”，缺乏对噪声频率特性的分析。

2.缺乏理论支撑：没有提到滤波器的设计原则（如截止频率的选择），完全依赖“试凑”，这

不是研究生该有的工程素养。

3.忽视了实时性：简单的求平均会引入严重的相位滞后，可能导致闭环系统不稳定，考生显

然未考虑到这一点。

导师青睐的高分回答：

消除噪声是控制工程中最基础也最棘手的问题，通常我采用“软硬结合”的策略，并

基于频谱分析来制定方案。

1.源头抑制（硬件滤波）：

分析噪声源：首先用示波器观察噪声频率。如果是高频尖峰（如开关电源噪声），我

会使用RC低通滤波器或磁珠；如果是共模干扰，我会使用差分信号传输或共模电感。

PCB设计：注意模数地分离（AGND/DGND），并采用单点接地，防止数字电路的高

频噪声通过地线耦合到模拟采集端。

2.算法处理（软件滤波）：

针对随机高斯白噪声：如果系统算力允许，我会首选卡尔曼滤波（KalmanFilter），

因为它能给出最优估计。如果是资源受限的单片机，我会使用滑动平均滤波（Moving

Average），但会注意窗口大小，以免引入过大的相位滞后。

针对脉冲干扰（野值）：我会采用中值滤波或限幅滤波，直接剔除偏离物理规律的异

常点。

针对特定频率干扰：例如工频50Hz干扰，我会设计一个陷波器（NotchFilter）或IIR

滤波器来定点消除。

总结来说，去噪的核心是在“平滑度”和“信号带宽（响应速度）”之间寻找平衡。

Q22：你是否了解模型预测控制（MPC）？它和传统PID相比有什么优势？

❌低分/踩雷回答示例：

MPC就是模型预测控制，现在很火，特别是在自动驾驶里。它比PID强，因为PID

只能看过去和现在，MPC能预测未来。PID调参很难，MPC好像可以自动算出来。

不过MPC计算量比较大，跑得慢。

导师为什么给低分：

1.理解浮于表面：只知道“预测未来”和“自动驾驶”，没有触及MPC的核心——处理约束。

2.对比错误：说“PID调参难，MPC自动算”是不准确的。MPC的权重矩阵（Q,R）和预测时

域同样难调。

3.术语匮乏：没有提到“滚动优化”、“反馈校正”等MPC的三要素。

导师青睐的高分回答：

我非常关注MPC，它是现代控制理论在工业界应用最成功的算法之一。与传统PID

相比，MPC的主要优势和区别体现在以下三点：

1.处理约束的能力（核心优势）：

这是MPC最大的杀手锏。实际系统中总存在电压限制、执行器饱和等物理约束

（如阀门开度0-100%）。PID在处理饱和时容易出现积分饱和问题，而MPC本

质上是在求解一个带约束的在线优化问题（QP问题），天然能保证控制量在安

全范围内，且达到性能最优。

2.多变量耦合处理（MIMO）：

对于多输入多输出系统，PID通常需要复杂的解耦设计，且难以处理强耦合。

MPC基于模型，能够统一处理MIMO系统的耦合关系，协调多个控制量以达到整

体最优。

3.前瞻性与滚动优化：

PID是基于“误差”的反馈控制，属于事后调节；而MPC基于预测模型，能根据当

前状态推演未来一段时间的系统行为，提前做出动作。结合滚动时域

（RecedingHorizon）机制，它能动态应对环境变化，不仅“低头拉车”，更

能“抬头看路”。

当然，MPC的代价是计算量巨大，通常需要高性能处理器，不像PID那样只需几行

代码即可在低端单片机上运行。

Q23：如果让你阅读一篇英文文献，你通常会关注哪些部分？

❌低分/踩雷回答示例：

我一般先看题目，感兴趣就看看摘要。然后直接看中间的图和公式，因为英文太多

也看不完。最后看看结论。如果还没看懂，就用翻译软件翻译一下。

导师为什么给低分：

1.阅读习惯糟糕：“直接看图”、“用翻译软件”暴露了英语阅读能力的不足和浮躁的科研态

度。

2.缺乏逻辑：没有抓取文献的“核心贡献”和“ResearchGap”，只是在被动接收信息。

3.无法甄别价值：没有提到如何判断这篇论文是否值得精读（如看引言中的现状分析）。

导师青睐的高分回答：

阅读英文文献是我获取前沿知识的主要途径，我通常遵循“沙漏型”阅读法，重点关

注以下部分：

1.Abstract（摘要）：快速判断文章研究的问题（Problem）、采用的方法（Method）以

及核心贡献（Contribution）。这是决定是否继续阅读的“安检口”。

2.Introduction（引言）的最后一段：这里通常会明确列出本文的创新点（Thenovelties

ofthispaperare...）。我会重点看它解决了前人留下的什么ResearchGap，这是论文

的立身之本。

3.Methodology（方法）中的框图与核心公式：我会结合SystemBlockDiagram理解其

控制逻辑，重点关注作者对公式的推导假设。如果是算法类论文，我会看它是如何定义损

失函数（CostFunction）或证明稳定性的。

4.Experiments（实验）与Comparison：我会关注对比实验。作者是和谁比？（是和

PID比还是和最新的SOTA算法比？）提升了多少？（Settlingtime减少了多少？超调降低

了多少？）这决定了结果的可信度。

最后，我会总结该文对我的启发（Take-awaymessage），并将其归档到我的文

献管理软件（如Zotero）中。

Q24：对于非线性系统，通常采用什么方法进行线性化处理？

❌低分/踩雷回答示例：

非线性系统就是不直线的系统。要线性化，一般就是在工作点附近切一下，用直线

代替曲线。就像数学里的求导一样。如果偏离远了就不准了。还有一种好像叫反馈

线性化，具体的我不太清楚。

导师为什么给低分：

1.语言不专业：“切一下”、“不直线”这种表述太生活化，没有提到“泰勒级数展开”或“雅可比

矩阵”。

2.知识面窄：只知道小信号线性化，对更高级的反馈线性化含糊其辞。

3.未提及适用条件：没有强调小信号线性化仅在平衡点附近（Local）有效。

导师青睐的高分回答：

针对非线性系统，工程上主要采用两种线性化策略，分别应对不同的场景：

1.小信号线性化（近似线性化）：

这是最常用的方法。基于泰勒级数展开，在系统的某个平衡工作点

（Eq