PhD Find博士申请助手 · PhDFind
菜单
English

安全机器学习用于非线性控制：从理论到实验的博士项目

项目2654 · University of Sheffield · School of Electrical and Electronic Engineering

申请工作台

保存项目，围绕当前机会准备申请。截止日期和资格请以原始公告为准。

阅读调研报告 查看收录来源与申请要求
所在国家或地区
英国
申请截止日期
2027-01-13（具体时刻请核对原始公告）
资助信息
3.5 年全额资助项目，目录称涵盖学费、UKRI 标准生活津贴及项目研究经费；国际申请者受 DLA 总名额限制，成功者的国际与 Home 学费差额由大学承担，但本项目是否有国际名额须确认。2026/27 UKRI 参考津贴 £21,805/年、标准学费 £5,238；均非 2027/28 最终金额。

项目介绍

项目概览

这是 University of Sheffield 电气与电子工程学院的 EPSRC Doctoral Landscape Award（DLA）博士项目，导师为 Dr Anton Selivanov 和 Dr Morgan Jones，计划于 2027 年 10 月入学，项目资助期为 3.5 年。研究关注如何从运行数据学习非线性系统模型、量化模型误差，并把这些不确定性纳入控制器设计和验证，使机器学习减少建模工作时仍能分析稳定性与安全性。

项目目录将其列为全额资助项目，说明资助涵盖学费、按 UKRI 标准提供的生活津贴和项目研究经费。申请使用专门的 DLA 表格，固定截止时间为 2027 年 1 月 13 日 17:00 GMT。DLA 会先考虑符合 Home fee status 的申请者，国际名额受总量限制；项目标签所示的全球申请者范围不代表本项目保证有国际名额。

项目详情

控制系统支撑着现代工程中的大量设备和服务。虽然现代控制理论可以处理不确定性、扰动和非线性行为，工业上仍广泛使用较简单的控制方法，例如比例—积分—微分（PID）控制器。一个重要原因是，许多先进控制方法依赖足够准确的系统模型。真实系统可能包含难以用数学方式描述的非线性、摩擦、延迟、执行器限制和复杂交互，建模因此可能成为控制设计中耗时、昂贵且困难的环节。

机器学习（ML）有望直接从运行数据中学习复杂关系，减轻建模负担；但学习得到的模型仍有误差，在数据稀少的区域可能不可靠。在航空航天、机器人和自主系统等安全关键应用中，平均预测表现良好不足以证明控制安全。研究需要分析模型误差如何影响闭环系统，并判断这些误差能否被充分量化，以支持形式化的稳定性和安全性保证。项目要回答的核心问题是：机器学习能否降低先进控制所需的建模工作，同时在模型存在误差时仍维持可验证的安全与可靠性？

博士研究计划包含四类相互关联的工作：

  1. 从运行数据学习非线性系统动态，刻画模型误差和不确定性；再将不确定性纳入控制 Lyapunov 函数（CLFs）和控制障碍函数（CBFs），研究稳定性与安全性保证。Koopman 类模型和神经网络是拟研究的候选方法，项目没有预先指定最终模型。

  2. 探索验证学习型控制器安全性和稳定性的计算方法，包括神经网络验证、可达性分析和建模误差数学界限，并比较数据需求、计算成本以及能够建立保证的运行范围。

  3. 将机器学习方法与经典控制路线作基准比较。对照路线包括系统辨识后采用模型预测控制（MPC）或自适应控制；比较维度包括控制表现、数据需求、计算成本、适应能力与安全性。研究不会假设机器学习必然更好，而要识别其适用条件及传统方法仍占优的场景。

  4. 先在 Quanser Interactive Labs 数字孪生环境中测试，再把有前景的方法用于 Furuta（旋转倒立摆）等实体系统。测试将考虑摩擦、执行器非线性、传感器噪声、处理延迟和系统扰动等现实因素。

该研究从数据驱动建模延伸到数学分析、基准比较和实验验证，长期可能与自主系统、机器人、飞机、能源系统及其他复杂工程技术相关。这些是潜在应用领域，不等于项目承诺的应用部署或就业结果。团队所在的 Control and Systems Engineering 研究环境涉及鲁棒控制、非线性系统和学习型控制；学院公开介绍了 Rolls-Royce Control, Monitoring and Systems Engineering UTC 及 Electronics and Control Lab 等合作和设施背景，但这些院系级信息不等于本项目确定的合作任务或设备使用权限。项目说明提及 Quanser Interactive Labs 数字孪生和 Furuta 摆测试，具体硬件型号、软件许可、计算资源及可用时段仍需向导师确认。

申请要点

  • 项目专属门槛： 项目介绍没有列出额外的强制学历、专业、工作年限或编程技能要求。申请者可联系两位导师讨论兴趣和背景匹配度。Koopman 模型、神经网络、CLF/CBF、可达性分析和 MPC 是研究内容，不应直接视为入学先决条件。

  • 院校要求： University of Sheffield 对电气与电子工程研究学位列出的雅思要求为总分 6.5、各单项不低于 6.0，或认可的同等成绩。申请者应确认该要求对个人情况是否适用及是否存在豁免；具体学术学历等同性和申请材料要求也应以招生部门确认的信息为准。

  • 申请方式： 申请者应使用 EPSRC DLA 专用表格并选择 2027 年 10 月入学，不能用普通博士申请表替代。表格要求从公布的项目中选择，最多可按优先顺序填报两个项目，并回答三项 DLA 专属问题，每题最多 300 词。学校建议申请前联系导师讨论匹配度；申请者还需阅读 DLA 对生成式人工智能使用的说明，并按申请表要求披露相关使用情况。

  • 截止日期： 2027 年 1 月 13 日星期三 17:00 GMT。申请应预留时间完成专用表格和三项回答。

  • 资助与国际资格： 项目目录所述 3.5 年资助包括学费、UKRI 标准生活津贴和项目研究经费，但没有公布 2027/28 的最终津贴金额、研究经费额度或具体可报销范围。UKRI 2026/27 参考标准为每年 £21,805 生活津贴和 £5,238 标准学费，不能视作 2027/28 项目最终数额。DLA 申请说明称，国际申请者获奖比例受 EPSRC 总体上限约束（最多 30%）；先考虑 Home fee status 申请者，学校预计整个竞赛最多提供 10 个国际名额。对于成功的国际申请者，大学表示会承担其国际学费与 Home 费率之间的差额；这不保证本项目有国际名额，具体资格和资助须申请前确认。

  • 生活成本参考： 学校公布的 2026/27 研究生合租房参考价为每周 £155.68–£173.32，51 周合同，租金包含公用事业、财物保险和网络。学校列出的月度非租金生活开支合计约 £395。以上均为 2026/27 预算参考，不是 2027/28 报价；签证、旅费和个人支出需另行估算。

需要进一步确认

  • 申请者是否符合 Home fee status，或在国际申请名额限制下是否会被考虑；本项目是否分配国际名额，以及个人适用的学费差额安排。

  • 2027/28 的生活津贴、学费、资助起止日期、研究经费金额与可用范围。

  • 项目的最终课题范围、各类模型和验证方法的优先级，Furuta 实验硬件、Quanser 许可、计算资源、技术支持与实验排期。

  • 对个人学历、英语成绩、豁免条件和所需申请材料的正式认定。

项目深度调研报告

报告生成记录：。生成日期不代表招聘方确认项目仍开放。

资料更新记录：。申请前请再次核对原始公告。

展开报告目录

安全机器学习用于非线性控制：从理论到实验的博士项目

快速判断

有吸引力，但需要核实匹配度。 这是谢菲尔德大学 EPSRC Doctoral Landscape Award（DLA）下的 3.5 年博士项目，研究如何把学习得到的非线性系统模型与稳定性、安全性分析结合，并通过经典控制基线、仿真和 Furuta 旋转倒立摆实验进行比较。它与非线性控制、系统辨识、机器学习、优化和形式化验证交叉的研究兴趣相契合。学校项目目录列出学费、按 UKRI 标准提供的生活津贴以及项目研究经费。关键限制是 DLA 的国际招生总量很少：先评估 Home fee 身份申请者，学校预计整个竞赛最多提供 10 个国际名额。投入大量申请准备前，建议先联系 Dr Anton Selivanov 和 Dr Morgan Jones，确认本项目是否会考虑国际申请者，以及硬件使用和资助条款如何安排。

研究问题与博士工作

先进非线性控制器可以处理不确定性和扰动，但通常依赖足够准确的系统模型。真实系统可能存在摩擦、延迟、执行器限制和非线性相互作用，建模成本较高。机器学习可能通过运行数据减少建模负担，但在已观测数据上的预测质量并不等于安全保证，尤其是在状态空间中数据稀疏的区域。项目要研究：在模型存在误差时，机器学习何时能够降低控制设计成本，同时保留可验证的稳定性和安全性保证。项目详情见谢菲尔德大学官方博士项目目录。

项目说明列出的研究工作包括四个相互关联的部分：

  1. 学习非线性动态并量化不确定性。 从运行数据建立模型，刻画模型误差；Koopman 类模型和神经网络是候选方法，并非预先确定的选择。
  2. 综合受约束控制器。 将不确定性纳入控制 Lyapunov 函数（CLF）和控制障碍函数（CBF），以形成稳定性与安全性保证。
  3. 验证并比较。 探索神经网络验证、可达性分析和建模误差数学界限等方法，评估数据需求、计算成本以及能给出保证的运行范围。与先进行经典系统辨识，再采用模型预测控制（MPC）或自适应控制的路线比较，考察性能、数据、计算、适应性和安全性。项目明确不会预设机器学习一定更优。
  4. 在虚拟和实体系统中验证。 先用 Quanser Interactive Labs 数字孪生实验，再在 Furuta（旋转倒立摆）等实体系统上测试有前景的方法。项目列出的现实因素包括摩擦、执行器非线性、传感器噪声、处理延迟和系统扰动。

从数据建模到形式化分析再到硬件验证，是该项目的优点，也意味着研究范围较宽。可行的博士计划需要确定一至两类模型、误差界限的假设、形式化保证覆盖的状态和输入范围，以及可管理的对比基线。倒立摆上的实验结果只能支持对该装置及其测试范围内表现的判断，不能单独证明方法对飞机、自主机器人或能源系统都安全。

学校、学科与培养

学位授予机构为谢菲尔德大学，项目设在电气与电子工程学院。项目没有列出外部雇主、联合学位或单独的联合培养机构。大学公布的 REF 2021 工程学院整体提交在研究质量方面排名第 8，96% 的研究被评为最高两个质量等级。该提交涵盖六个工程系及先进制造研究中心，因此这是较早的学院级研究信号，不能当作电气与电子工程系单独排名（见REF 2021 结果）。

学院的 Control and Systems Engineering 研究主题包括鲁棒与非线性控制、MPC 与动态优化、模型辨识、学习型控制以及安全/稳定性证书。学校还介绍了与劳斯莱斯合作建立的控制、监测与系统工程大学技术中心，研究控制架构、控制律设计、监测和诊断。The Diamond 的 Electronics and Control 教学实验室列有 Quanser 伺服系统和仪器设备。这些信息说明周边研究与设施相关，但不能证明该项目有企业实习、特定工业合作，或保证使用每项设施（参见控制研究主题、劳斯莱斯技术中心和电气与控制实验室）。

项目说明资助期为 3.5 年，计划于 2027 年 10 月入学。谢菲尔德大学一般研究学位规则称，多数全日制博士的正常缴费注册期为 3–4 年，具体期限由资助方、项目和录取信确定。项目说明没有单独说明学习模式或完整培养计划。大学研究学位英语要求表中，电气与电子工程的雅思要求为总分 6.5、各单项不低于 6.0，或认可的同等成绩；申请者应向招生部门确认适用的豁免和材料规则（参见注册期限说明和电气与电子工程英语要求）。

导师与实验环境评估

Dr Morgan Jones 是机器学习与控制理论讲师。其个人主页列出动态规划、强化学习、Hamilton–Jacobi–Bellman（HJB）方程、非线性系统分析、可达集与不变集以及平方和方法。Dr Anton Selivanov 的研究重点是含时滞和分布参数系统的鲁棒控制，并关注扰动、传感器噪声和不确定性。两人的方向有望覆盖“学习加保证”的不同侧面：一方面是近似、辨识和非线性优化，另一方面是鲁棒性与证明（参见Morgan Jones 主页和Anton Selivanov 主页）。

近期研究可作为与导师交流的具体切入点：

  • Jones 与 Peet 研究如何用近似 HJB 值函数的 Sobolev 范数误差，推导反馈控制器次优性界限。结论依赖论文中的有限时域假设；界限可能较松，并可能随时域增长。这是性能分析结果，不是安全证书（论文）。
  • Jin、Nie 与 Jones 使用状态扩展和切换反馈线性化处理状态约束。这与约束处理和实现有关，但并未证明基于不确定学习模型构建的控制器安全（论文）。
  • Machado 与 Jones 的 SINDy-SI 工作把结构性先验信息纳入稀疏非线性系统辨识。这与把运行数据和已知物理结构结合有关，也展示了数据稀少或欠定时的局限。论文中的数值案例并未证明方法可迁移到本项目实体平台（论文）。
  • Jones、Nie 与 Peet 的近似值函数 MPC 研究可用于设计较新的模型控制对比路线。Selivanov、Wang 与 Fridman 的半线性热方程保证成本研究体现了严格鲁棒控制分析，但其 PDE 系统与本项目倒立摆不同（参见MPC 论文和鲁棒控制论文）。

项目明确提出先虚拟测试、再做实体验证。Quanser 将 Interactive Labs 描述为基于实体系统模型的虚拟实验；谢菲尔德公开页面也列出一般性的 Quanser 教学设备。两者均未明确项目可用的 QLabs 许可、Furuta 装置、技术支持、计算资源或实验排期。建议确认谁负责硬件实验支持，以及理论、计算和实体实验各占多少研究工作（Quanser 产品说明）。

研究方向与领域趋势

近期研究不再只关注控制器在采样轨迹上的表现，也开始学习神经控制障碍证书、把可微障碍函数与机器人控制网络结合，并发展对神经障碍函数的精确或可靠验证以及可达集分析方法。这些方向体现项目的核心张力：表达能力强的模型能够贴合复杂动态，但有效保证还需要处理训练点之外的模型误差，并将验证成本控制在可接受范围（参见神经障碍证书、BarrierNet、神经可达性和ReLU 网络精确验证研究）。

因此，可讨论的研究问题包括：如何从运行数据估计不确定性；如何纳入物理先验；Koopman 表示或神经网络模型哪一种更容易建立误差界限；在输入限制和延迟下 CLF/CBF 条件如何变化；以及验证成本如何随系统和网络规模增长。这些是从广告任务推导出的潜在切入点，并非承诺的论文结构。稳健评估应报告假设、数据覆盖范围、运行域、保证类型、计算成本和失败案例，同时保留传统性能指标。

英国劳动力市场证据只能提供宏观背景。政府《数字与技术就业计划》称，2024 年约有 637,000 人在前沿技术公司工作，整个数字与技术行业约有 133 万从业者。EngineeringUK 根据 2025 年劳动力调查报告，工程与技术岗位约占英国所有工作的 19%。这些数字说明英国拥有较大的工程和人工智能生态，但不能证明安全非线性控制这一细分方向的岗位需求、薪酬溢价或本博士项目的就业结果。相关能力可能用于控制工程、自动化、机器人、航空航天、能源、应用机器学习和研究工作，实际职业路径仍取决于学生的研究与其他经历（参见英国政府就业计划和EngineeringUK 劳动力分析）。

资助、申请与生活成本

大学项目目录将其描述为 3.5 年全额资助，覆盖学费、按 UKRI 标准发放的生活津贴，以及用于项目相关支出的研究经费。UKRI 当前公布的 2026/27 全日制最低津贴为每年 £21,805，标准学费水平为 £5,238。这些是参照年度的数据，尚不能视为 2027/28 的最终数额；应询问录取信中确认的金额和期限。项目页面未列出研究经费金额或可报销支出明细（见项目目录及UKRI 津贴和学费标准）。

国际申请资格需要特别核实。谢菲尔德 DLA 申请页面说明，EPSRC 规定国际申请者获奖比例最多为 30%；第一阶段先考虑 Home fee 身份申请者；学校预计整个竞赛最多向 10 名优秀国际申请者提供名额。页面还说明，成功的国际申请者与 Home fee 的学费差额由大学承担。这是整个 DLA 的规则，并不能证明本项目一定有国际名额，也不能替代对个人 Home fee 身份的正式认定。因此，项目标签写“全球申请者”应与 DLA 更具体的招生规则一并理解（参见DLA 申请指南）。

固定申请截止时间为 2027 年 1 月 13 日星期三英国时间 17:00，入学日期为 2027 年 10 月 1 日。申请必须使用专门的 EPSRC DLA 表格；其他普通博士申请不纳入此竞争。表格包含三个 DLA 专属问题，每题最多 300 词，申请者可按优先顺序选择最多两个项目。谢菲尔德强烈建议申请前联系导师讨论匹配度。学校还要求阅读 DLA 招聘中的人工智能使用声明，并说明申请表会要求申请者披露和解释其申请中的 AI 使用情况；应核对最新要求并如实披露适用情况。

作为当前预算参考，谢菲尔德公布的 2026/27 研究生合租、共用卫生间房型，每周 £155.68–£173.32，51 周合同；租金包含水电等公用事业、财物保险和网络。大学月度预算指南列出的租金外项目为：食品杂货 £155、交通 £73、休闲社交 £60、外食 £45、衣物购物 £33、手机 £15、订阅 £14，合计 £395。与 2026/27 年约 £1,817 的月均津贴基准相比，这些数字可作初步规划，但不代表实际可支配金额。上述数字均为 2026/27 标准，入学前可能变化；私人租房、签证和移民健康附加费、旅费及个人开支需要另行估算（参见2026/27 房租表和大学生活成本指南）。

申请匹配与准备

项目说明没有规定项目专属的学历等级、必备软件或最低工作年限。非线性系统辨识、Koopman 模型、神经网络、CLF/CBF、可达性分析和 MPC 是项目研究方法，不应当作正式入学先决条件。谢菲尔德会单独评估学术入学资格；申请者应询问学院如何判断学位等同性，以及其具体情况需要何种英语材料。

申请材料可以围绕实际博士任务展示经历，例如控制或动力系统问题、从数据学习或辨识模型、优化或验证任务、代码与可复现实验，或涉及噪声、模型失配和约束的实验。重点是讲清研究问题、方法选择、结果和限制，而不是声称掌握所有广告提到的技术。DLA 表格会询问选择研究学位和该研究方向的动机、既往知识技能如何支持博士研究，以及一个解决研究问题的实例（参见DLA 申请指南）。

后续行动与待核实事项

申请前

  • 询问导师：Home fee 阶段结束后，本项目是否会考虑国际申请者，以及是否有本项目层面的国际名额。
  • 确认适用的 DLA 表格、项目志愿选择规则、AI 使用披露声明和当前截止要求。
  • 向招生部门确认学术等同性及英语材料要求。
  • 索取 2027/28 津贴、学费覆盖、资助期限和研究经费范围的书面说明。

面试时

  • 优先考虑哪些模型类别、不确定性界限和运行范围？
  • 如何公平比较神经网络或 Koopman 方法与系统辨识加 MPC 或自适应控制？
  • 计划使用哪种 Furuta 系统、QLabs 许可、实体实验时长、计算资源和技术支持？
  • 如何在 3.5 年资助期内安排理论、形式化验证、基准比较和实验？

接受录取前

  • 书面确认学费身份、适用时的国际学费差额覆盖、资助结束日期、注册期限和进度节点。
  • 确认实体硬件与软件访问、导师职责、培养支持以及研究经费可承担的项目费用。

证据与来源

项目与 DLA 申请

学校、培养与研究环境

导师与近期原创研究

领域前沿

资助与生活成本

就业市场背景

信息来源

收录来源可能是学校或招聘平台；正式申请入口及最新要求请核对公告与报告中的官方来源。 查看收录来源与申请要求

按研究方向和所在国家或地区整理，优先展示资助类型相近的机会。申请前请核对各项目的最新公告。

University of Birmingham · 英国

安全人工智能的形式化方法博士

竞争性全日制三年半奖学金，符合资格的本土及国际学生学费豁免，每年£21,805免税津贴，通常每年10月1日调整；未来实际标准和研究预算需确认。

2026-12-18（具体时刻请核对原始公告）

University of Southampton · 英国

用于太阳能热转换的超均匀无序超表面

条件性竞争奖助：符合条件的Horizon或竞争性Presidential支持国际费差；学院奖助通常为英国本地学费和津贴。个人配套、金额及期限未确认。

2027-07-26（具体时刻请核对原始公告）

University of Southampton · 英国

光子线路中的自由形状光路设计

条件性竞争奖助，Horizon Europe或Presidential国际费差支持与学院英国本地学费和生活津贴各有资格及评选条件；个人配套、金额和期限未确认。

2027-07-26（具体时刻请核对原始公告）