經常有人會問，我們自動化的出國應該申請什么系？或者我們到底在美國屬于什么專業(yè)？由于中國專業(yè)設置的特殊性，控制或者說自動化專業(yè)在美國并沒有正好對應的院系。
      一般說來，和控制理論研究、機器人相關的在EE，和過程控制、過程優(yōu)化等相關的在ChE，和運籌學、后勤學相關的在IE，和機械控制相關的在ME，和航天航空器控制相關的在AE。當然，各個學科是交叉的，劃分不會像上述所說的這么精確，比如robotic在EE/ME都有人在做，控制理論則EE/MATH做的多。而且有些學校有些特殊的學院，比如System Engineering，也是control guys的好去處。

       因此，在選校過程中，花比CS或者ChE的人更多的精力，每個學?？?、4個系，是正常的也是需要的。不要把目光僅僅局限在EE。

      在國內CS/EE是熱門，控制系開課的時候大家對面向化工過程控制的課非常有意見。在IT全球降溫以后，至少在美國，ChE和ME的工作形勢優(yōu)勢明顯。

      先說機械自動：

      Biomechatronic：直譯就是生物醫(yī)學機械電子，也就是一個大雜燴。比較exciting的方向倒也基本和電結合的很多，比如說為殘疾人設計輔助系統（輔助康復，輔助練習）。如果你學的機械design比較多，在這個方向里，你可以設計假肢等。

      Robot：這個范圍就廣了，主要還是機械設計方面的，上肢范圍的（Haptic，適用于工業(yè)生產線，無人化工廠），下肢范圍的（行走機器人，適用于救援，星球探測）

      電力能源自動化：

      很多人覺得電力電子比較枯燥，特別不喜歡。其實能源這種問題是不能和你作一個機器人什么的擺在一個臺面上的，它絕對是國家級和戰(zhàn)略級的。長三角的限電，還有三峽工程。電能直接決定中國這個大國的工業(yè)發(fā)展和城市發(fā)展。將來能源會不會不只握在國家手里，這個是不知道的，但是不管是握在誰手里，對于我們這么大的一個國家，這里面的賺頭都不會少的。

      光電，檢測自動化：

      這個方向，從低到高都是非常的pratical，所以也有錢賺的。

      誰都知道傳感器就是相當于人的手腳耳眼（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(huán)feedback control的“做飯機”出來。比較低端的，就是常用的工業(yè)傳感器，安設，電路設計等等。高端的，精密的那種，核電站的，多了去了。還有就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。這個主要是復雜的對象，比如我們這里有的一些項目，例如，衛(wèi)星太陽能板幾千塊小鏡面需要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一定自由度旋轉。

      還有就是有些控制系統是用比較特殊傳感器的，比如視覺的，要從看到景物的移動中，計算速度和深度（2D-3D），自由度怎么建。這個就是正牌的control了，主要是作算法，就是相當于人的腦子。作為算法，具體問題具體分析，控制對象不同也不同。

       這些算法可以用到平常如工業(yè)機床，化工高爐，也可以用到機器人，生產機械手，還可以用到航空航天，導彈衛(wèi)星。我的認識就是給機械灌入了靈魂和智慧。個人感覺分為3塊：其實控制發(fā)展到現在，有模型的系統，那些控制算法已經很多了，屬于經典控制的范疇。

      現在還能有進展的可能就是optimization和model-predictive還有hybrid了。個人感覺數學的東西特別多。如果投身如此，屬于經典領域，重要的是你作project的能力了。

      不過個人看到這里面的一些新動向，就是和經濟學有關。作練習的時候經常用一些經濟學的例子，做到最后發(fā)現居然是control的問題。

      其實抽象的看，在有模型的控制方法來看，模型就是一個式子，至于這個式子在實際系統中的意義，不是那么重要了。

      個人感覺在model-base control里面，多是針對linear model，對于nonlinear model，方法不是特別多，還有一定的挖掘潛力。

      說道了nonlinear model就不能不提knowledge base control，說得具體點就是所謂的專家系統，模糊控制，神經元什么的，這是一條新路。

      這些一部分是算法：不管你模型是什么，把專業(yè)技術工人的知識拿過來作為機械自己的知識，完成相應的控制目標。

      一部分是建模：曾經做過的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準確擬合非線性的行為。更關鍵的，這種控制器可以實現adaptive和learning的功能，就是他能從控制的失敗中自己學習怎么更好的控制。

      我現在還不知道這個是怎么干得，但是將來和AI結合，是很有可能的。投身如此的人，必要耐得住寂寞，主要研究魯棒，LMI(linear matrix inequality)，既枯燥有很難，理論性很強，現在又時興起probalistic的魯棒了。