自动化专业十重大要课程.docVIP

自动化专业就业前景 自动化专业培养适应地区经济发展要求的，从事工业过程控制、控制工程、管控一体化等信息领域科技开发和应用研究工作的，知识面宽、实践动手能力强的应用型高级工程技术人才。 主要课程：外语、高等数学、计算机基础、C语言、电路原理、电子技术基础、计算机原理及应用、电机与电力拖动基础、自动控制理论、自动控制系统、计算机控制系统、计算机电子线路制图、系统工程导论、多媒体技术、计算机网络、系统辨识基础、计算机仿真、工厂供电、人工智能导论、电气控制技术等 自动化专业要学的课程确实很多,口径很宽,但无论以后从事什么方向,以下几门基础课还是十分重要的: 1.高等数学（数学是以后学习各门专业课的基础，不要以为概率论没有用，特别是对想从事DSP（数字信号处理）工作的同学） 2.英语（不要以为过了4，6级就OK了，等用到的时候才觉得学的太少） 3.电路（基础中的基础，自动化专业考研科目） 4.自动控制理论（实现控制系统的理论基础，自动化专业的看家科目，考研科目） 5.微机原理（单片机，DSP等硬件的基础，考研科目，不要以为汇编语言太低级，它有其它高级语言所不能比的运行速度） 6.C/C++ （不会编程，学会再多理论算法也没用武之地，特别是C，一定要达到精通才行） 7.数/模电（基础课，电子电路设计的基础） 8.DSP/单片机/PLC（精通其中任意一种硬件的结构和编程，找份好的工作十分轻松） 9.matlab（一个伟大的软件，很好的仿真平台，可以实现各种算法，并能实时查看运行结果和各种波形，高度集成的命令，对以后要读研的同学更是要熟练掌握） 10.电力电子技术（偏强电的一门课，不过十分有用，无论是考研复试还是找工作面试，都常会被问到） 算法是软件编程的核心，我把自动化学科中要用到的算法简单分为三类：1.系统辨识（优化）算法；2.控制算法；3.信号（信息）处理算法。这三大类算法又可细分为许多小类，其中有许多基本的思想都是相互融合的，比如自适应算法即可用来做辨识，也可用来做控制和信号处理。下面列举了一些最常用的算法： 前六个是必须的 1． PID算法： 经典的控制算法，学控制的如果不懂PID那就等于没学。随着理论的发展，经典PID和其它算法相融合产生了许多改进型算法，比如自适应PID，神经网络PID，模糊PID，可以说工业控制中90% 以上用的都是PID及其改进型算法。 2． 最小二乘法： 最小二乘法大约是1795年高斯在星体运动轨道预报研究中提出的，其思想其实很简单，就是使均方误差和最小，但其应用却非常广泛，常被用来做系统参数辨识和曲线拟合。 3． 拉普拉斯变换/Z变换： 同是为简化计算而建立的实变量函数和复变量函数间的一种函数变换，区别是拉氏变换是对连续系统而Z变换是对离散系统。在经典控制理论中，对控制系统的分析和综合，都是建立在拉普拉斯变换/Z变换的基础上的。 4． 快速傅立叶变换（FFT）： 离散傅立叶变换（DFT）的快速算法，使整个坐标系由时域变换到频域，可以用来做谱分析和卷积的计算，是数字信号处理的基础。 5． 小波变换： 小波变换作为信号处理的一种新工具，目前己成为国际上极为活跃的研究领域，其具有多分辨率的特点，在时域和频域对信号的局部特征具有非常良好的表现能力，被广泛的应用在图像处理，突变信号检测和数据压缩等领域。 6． 自适应控制算法： 在对象和环境数学模型不确定的情况下，通过自动调节控制器参数，使控制系统的性能能适应被控对象特性和过程信号特性的变化。主要用于对模型参数不稳定的系统的控制。 7． 模糊控制算法： 利用模糊数学的概念，对控制量进行模糊化，并通过建立规则库实现对对象的控制。主要用来解决难以建立精确模型的系统的控制问题。 8． 人工神经网络（ANNs）： 模仿生物体神经网络工作方式的一种算法，可以逼近任意的非线性系统，在复杂系统辨识，控制，机器学习和分类中有重要应用。 9． 支持向量机（SVM）： 支持向量机是90年代初提出的一种新的非常有潜力的分类技术，是一种基于统计学习理论的模式识别方法，主要应用于模式识别领域，在解决小样本，非线性及高维模式识别问题中表现出许多特有的优势，在若干实际应用 (如文本编目、手写字符识别、图像分类和生物进化链分析等)中支持向量机能够提供最佳的学习性能，而且在机器学习与数据挖掘中已被确立为一种标准工具。 10． 遗传算法（GA）： 遗传算法是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进