不确定性驱动的自主性博士奖学金：在复杂资产的预测与健康管理中应对不确定性

项目概览

这是 The University of Manchester 的一项 RAINZ CDT 博士奖学金，属于 1+3 培养结构中的博士方向。

项目围绕“Uncertainty-Driven Autonomy”展开，主题聚焦于复杂资产的预测与健康管理中如何应对不确定性。

该机会面向英国学生，资助由 BAE Systems 提供，但项目页面同时说明仍需等待行业伙伴确认资金。

学生前一年在曼彻斯特接受授课型 MSc 与定制 CDT 训练，随后进入博士研究阶段。

项目详情

公开信息先介绍了 RAINZ CDT 的整体背景：EPSRC Centre for Doctoral Training in Robotics and Artificial Intelligence for Net Zero 是由 The University of Manchester、University of Glasgow 和 University of Oxford 三校合作的博士培养中心，目标是服务英国能源领域的净零转型。项目介绍认为，机器人与自主系统（RAS）是净零转型中的关键支撑技术，但其在英国能源部门的检查、维护、维修与退役工作中仍面临明显的技术与文化障碍。CDT 的研究项目因此聚焦于风能、太阳能、地热、潮汐、氢能等可再生能源基础设施，以及核能（裂变和聚变）相关资产的检查、维护和修复，同时也服务于现有资产维护和退役过程的脱碳。

在培养模式上，该项目采用 cohort-based 的训练与研究方式。第一年所有学生都在 The University of Manchester 完成授课型 MSc 学习和定制 CDT 培训；要进入博士阶段，MSc 评估平均成绩需达到 65% 或以上。公开说明还强调，学生不会获得独立的 MSc 学位，因为暑期时间用于 CDT summer school，而不是 MSc dissertation。第 2 至第 4 年，学生在主办机构开展博士研究，可以是 The University of Manchester、University of Glasgow 或 University of Oxford 之一，并配合完整的 cohort-wide 培训与就业能力培养计划。

RAINZ CDT 的训练理念也被明确写出：项目不仅要培养专业能力，还要提升团队合作、可持续发展、EDIA 与身心福祉、工业参与和商业化能力。每个 cohort 会面对一个由行业共同设计的跨部门挑战，由工程师和科学家组成多学科团队分别探索不同方面，再在年度 research sprints 中整合。对申请者来说，这说明课题并非孤立的单题研究，而是嵌入一个强调跨学科、行业共创和应用导向的培养体系。项目页面还把该 CDT 的核心能力建设和可就业性培养并列呈现，显示它不仅关心研究结果，也关心研究者在工业界与学术界的长期适应能力。

单个课题的研究主题是“在复杂资产的预测与健康管理中应对不确定性”，即通过不确定性驱动的自主性来决定系统如何行动。公开页面没有把具体算法、平台或实验装置全部展开，但从 CDT 总体任务和课题标题可以看出，它面向的是在复杂工业资产环境中做出更稳健、更自适应的决策与运维支持。申请者需要能够处理工程、计算和数据相关问题，并在机器人、自主系统或资产健康管理语境中开展研究。这个方向的核心不只是“预测”本身，而是在信息不完备、风险不稳定、系统状态快速变化时，如何把不确定性显式纳入行动选择。

由于该项目属于 cohort-based CDT，研究过程还会与跨部门挑战、年度 research sprints 和工业参与并行推进。也就是说，博士训练并不是单线条课题推进，而是要在课程、科研、行业交流和职业能力培养之间保持连续性，这对希望进入机器人与自主系统或工业 AI 方向的人来说，是一个较强的训练环境。

申请要点

• 申请对象：仅限英国学生。

• 学历与背景：需具备工程、计算机科学、物理、数学或相关学科的一等或强二等一荣誉学位（或国际同等学历）；同时要证明有编程经验。

• 资助与待遇：4 年资助，覆盖 Home 学费、税前生活津贴、研究培训与支持经费；津贴按 UKRI 最低标准发放，公开页面写明 2026/27 年为 £21,805，并会随通胀逐年调整；另有额外资金支持 secondments、institutional visits、专门设备购买和 accessibility fund。

• 资助来源：页面写明该 RAINZ CDT 奖学金由 BAE Systems 提供。

• 培养结构：第 1 年在曼彻斯特完成授课型 MSc 和 CDT 培训；MSc 评估平均成绩需达到 65% 才能进入博士阶段。

• 时间安排：申请截止为 2026 年 7 月 31 日 17:00；课程为全日制。

• 联系/申请：申请应通过 RAINZ CDT 网站提交；如需非正式咨询，可联系 rainz@manchester.ac.uk。

• 特别说明：公开信息明确提示该项目的资金需由行业伙伴确认。

需要进一步确认

• 研究题目的具体方法、实验平台与数据来源未在公开信息中展开。

• 申请页面后续材料说明在可见文本中被截断，是否还有更完整的表单要求需进一步核实。

• 资金虽已说明由 BAE Systems 提供，但页面同时写明仍待行业伙伴确认，故资助并非完全无条件锁定。

PhD 项目深度调研报告：Uncertainty-Driven Autonomy - Acting on Uncertainty in Prognostics and Health Management of Complex Assets

执行结论

推荐标签：前景可观，但存在实质不确定性。

这是一个技术上颇具吸引力的 Manchester/RAINZ CDT 项目，适合关注 uncertainty quantification、autonomy、prognostics and health management、复杂工程资产以及风险感知决策的申请者。最强的学术信号来自两位导师组合：Dr Philip G Zhao 提供 robotics/AI 与 risk-aware autonomy 方向支撑，Dr Long Zhang 则直接覆盖 condition monitoring、system identification、RUL 和复杂可再生能源资产。

决定性风险同样不在学术资格，而在资助资格。项目证据和 CDT 指南所支持的是 Home-rate fee coverage，而不是自动面向全球申请者的全额资助。中国大陆申请者不能把这项 studentship 视为当然可获得的完整国际资助包。即便学术上符合要求，也应在 CDT 或主办大学书面确认 overseas fee difference 已被 waiver、补足或另有资助之前，把项目视为财务上未解决。

更直接地说，如果只能确认 Home 学费覆盖，而无法书面确认自费、外部资助或 international fee waiver 方案，这个项目对中国大陆申请者的实际可行性偏低。除此之外，BAE Systems 相关的 nationality、security clearance、data access、publication 和 secondment 风险，也必须与学术录取资格分开核实。ATAS 问题虽然通常发生在录取后端，但对中国国籍申请者而言同样属于必须预先识别的行政风险。

学校、项目与地点信号

机构信号较强。RAINZ CDT 是 The University of Manchester、University of Glasgow 和 University of Oxford 共同参与的四年制 doctoral training programme，聚焦 robotics and AI 在关键基础设施全生命周期资产管理和 net-zero transition 中的应用。其结构是 1+3 模式：第一年在 Manchester 完成授课和 CDT 训练，之后进入主办机构开展 PhD 研究。

Manchester 的整体研究环境也有较强支撑。学校官方排名页列出 QS 2027 全球第 40、ARWU 2025 第 46、THE 2026 第 56，见 University of Manchester rankings。THE 的机构页面给出 2026 年整体第 56、Computer Science 第 76、Engineering 第 48 的背景信号，见 THE University of Manchester profile。学校 REF 2021 页面则强调 research power 排名第 5，且研究环境中 99% 被评为 world-leading 或 internationally excellent，见 Manchester REF 2021。

项目托管于 Manchester，并与 Computer Science 以及 control/systems engineering 环境相连，这对一个横跨 AI、autonomy、PHM 和复杂资产的课题是合理组合。真正需要核实的是：具体实验室归属、工业资产平台、数据集，以及 Year 1 taught phase 结束后导师分工和研究落点如何安排。

导师与实验环境

导师研究方向

Dr Philip G Zhao 在 Manchester Research Explorer 中被列为 Department of Computer Science 的 Senior Lecturer in Robotics and AI。其简介强调 AI-driven cross-system design and optimization，覆盖 robotics、cyber-physical systems、IoT、communication networks 和 computer vision。这一背景与项目中“如何在不确定性下采取行动”的 autonomy 一侧高度相关，见 Philip G Zhao profile。

Dr Long Zhang 则更直接对应 PHM 侧。他被列为 Electrical and Electronic Engineering 的 Senior Lecturer，研究方向包括 data-driven intelligence and control、machine/statistical learning、neural networks、system identification、frequency analysis、condition monitoring、intelligent control，以及风机、太阳能和 structural health monitoring 等场景。他还担任工业尺度风机变桨轴承与叶片实验室相关负责人，并负责 MSc Advanced Control and System Engineering，见 Long Zhang profile。

近期重要论文

Zhang 2026 年发表于 Ocean Engineering 的论文，关注 mooring systems 的 data-driven condition monitoring，使用 dynamic modelling 和 time-delay neural network with Bayesian regularization 来识别非线性浮式平台系泊系统的故障状态，见 data-driven condition monitoring of mooring systems。

他在 2026 年 Marine Structures 的论文则将 system identification 和 frequency-response methods 用于复杂可再生能源平台的 mooring-system design optimisation，说明其在复杂资产与计算成本权衡方面有直接经验，见 data-driven design optimisation of mooring systems。

2025 年关于 bearing RUL prediction 的研究比较了 Bayesian filters 与 autoencoder networks，这与项目中的 PHM/RUL 核心部分直接相关，见 Bayesian filters and autoencoder networks for bearing RUL prediction。

Zhao 方面，2026 年 IEEE Intelligent Vehicles Symposium 的论文讨论了 conformal risk-adaptive mobile robot navigation，支撑 risk-aware autonomy 方向，见 conformal risk-adaptive navigation。他在 2025 年 IEEE Journal on Selected Areas in Communications 的论文则涉及面向 edge intelligence 的 task- and reconstruction-oriented communications，支持部署导向的自主系统研究，见 task- and reconstruction-oriented communications for edge intelligence。

实验室、资源与合作环境

院系和 CDT 环境整体上较为支持。Manchester Computer Science 对外展示了研究主题、研究项目、设施和与各类 centres/institutes 的连接，见 Manchester Computer Science research；相关设施页面也提到 e-Science、robotics、interaction analysis、collaborative labs 和 computing resources，见 Manchester Computer Science facilities。

RAINZ 在此基础上增加了 cohort training、research sprints 和产业合作。其 industrial partners 页面列出超过 20 家合作方，其中包括 BAE Systems，并说明合作方会支持 studentship funding、training、secondments、facilities/equipment access 和研究方向共同塑造，见 RAINZ industrial partners。

需要强调的是，公开证据并没有确认这个具体项目将对应哪个工业平台、哪类数据、何种 clearance 条件，也没有写明 publication/IP rules 或具体 secondment 路线。这些都是决定项目实际质量的关键细节。

研究方向与领域前景

领域动向

这个项目的核心并不是单纯做一个更好的 RUL 点预测模型，而是研究 autonomous systems 应如何使用带不确定性的 PHM 结果：什么时候应该信任健康估计，什么时候信任会失效，以及系统应如何在 inspection、maintenance、abort 或 mission-extension 之间做决策。

这与 Manchester 的 uncertainty quantification 研究描述高度一致。该页面将 UQ 定义为对模型预测中的不确定性进行估计，并覆盖 propagation、inverse problems、stochastic modelling、emulation、calibration、experiment design 和 engineering applications，见 Manchester uncertainty quantification research expertise。

从领域趋势看，这也契合 PHM 当前面对的典型难点：复杂资产、传感器退化、distribution shift、digital twins 与有限标签，都使得经校准的不确定性成为安全决策的核心组成部分。

可能的研究角度

比较有前景的切入方式包括：对 RUL 模型进行 uncertainty calibration；区分 aleatory uncertainty 与 epistemic uncertainty；在运行条件漂移下进行 out-of-distribution detection；把不确定性转化为 maintenance/inspection actions；建模 digital twin 与真实资产之间的偏差；以及把健康状态不确定性接入 risk-aware autonomous mission planning。

这个题目需要尽早收窄。一个更稳健的 PhD 范围通常会明确一种资产类别、一个决策闭环、一套不确定性分类框架，以及少数几个评价指标。否则，UQ、PHM、autonomy、digital twins 和工业系统会同时展开，导致博士范围过宽。

职业与市场前景

职业信号总体积极，可延展至 autonomy、predictive maintenance、digital engineering、energy infrastructure、defence/aerospace、robotics 和 asset management 等方向。RAINZ 的合作方网络，以及 BAE Systems 对 studentship 的支持表述，意味着课题有机会连接到真实复杂资产决策问题。

但风险同样明确。防务相关或安全敏感的工业合作，可能涉及 nationality、residency、security clearance、export control、data access、publication review 或 secondment restrictions。对非英国国民而言，这些限制不能等同于学术不合格，但确实可能实质影响项目可做性。

资助、申请与生活成本

资助证据必须谨慎理解。项目说明写明，这是一项四年制 studentship，覆盖 Home student rate 学费，提供按 UKRI minimum rate 发放的免税津贴，2026/27 学年数额为 £21,805，另含 research training and support funding。项目说明还给出 2026 年 7 月 31 日 17:00（英国时间） 的申请截止时间，并写明该 studentship 由 BAE Systems 资助，但同时注明资助仍以 industry partner 最终确认资金为前提。

RAINZ 的申请指南同样表示，成功录取者获得的是 Home-rate fee coverage 和 UKRI-rate stipend；同时它也明确指出，资助主要面向 Home students，EPSRC 对国际学生比例设有上限，而且可用 fee funding 固定在 Home fee level。international fee waivers 或额外奖学金支持可以个案探索，但并非自动配置，见 RAINZ application guide。

UKRI 也独立说明，其 2026/27 最低 stipend 为 £21,805，且 UKRI 只承担到 Home fee rate 为止，international students 可能需要自行承担部分学费，见 UKRI support for funded students。Manchester 的 Computer Science PhD 页面显示，2026 年国际 PhD 学费远高于 Home fee contribution，见 Manchester PhD Computer Science 2026 entry。

实际含义很清楚：中国大陆申请者即使学术上符合要求，也不能默认这份资助覆盖全部国际学费。必须拿到书面确认，明确 overseas fee difference 是否被免除、补贴或由其他奖学金承担。若没有这类确认，而又不能自费或获得外部资助，则项目的实际可行性较低。

生活成本方面，Manchester 估算 2026/27 学年 postgraduate cost of living 约为 £18,188/年，见 Manchester postgraduate research living costs。如果学费差额问题得到解决，那么 UKRI-rate stipend 在名义上大致可覆盖当地基本生活；但 visa、IHS、travel 和 relocation 并不包含在内，因此前期现金流安排仍然重要。

申请者匹配度

最适合的背景

这个项目最适合具备 Engineering、Computer Science、Physics、Mathematics 或相关 STEM 背景、成绩较强、且有明确编程证据的申请者。最强的技术匹配通常会结合 time-series ML、probabilistic modelling、Bayesian methods 或 conformal prediction、system identification、control、condition monitoring、RUL prediction、anomaly detection，以及对物理工程资产的兴趣。

需要谨慎的情况

如果申请者只是泛化 AI 背景，缺少工程系统证据，匹配度会偏弱。若申请者需要有保障的全额资助、但拿不到 overseas-fee coverage 的书面确认，也应保持谨慎。项目还要求申请者能接受带有不确定性的工业数据、安全关键决策，以及可能受限的合作方研究环境。

可强化的技能与证据

更有帮助的证据包括：一个可复现的代码作品集；围绕 time-series prediction、uncertainty calibration、anomaly detection、RUL 或 control 的 dissertation/项目经历；以及一份简洁但清楚的 research statement，说明不确定性估计应如何改变 maintenance、inspection 或 mission decisions。工程背景申请者应把 coding 和 ML 证据明确展示出来；计算机科学背景申请者则应体现对 physical systems 或 control 的理解。

风险与待核实问题

高优先级问题

1. 这项具体 studentship 是否向 overseas-fee applicants 开放？如果开放，四年全部 overseas fee difference 是否得到覆盖？
2. “Funding for UK Students” 是否意味着非 Home 申请者只能在学术上申请，但必须自费或通过外部资助补齐学费差额？
3. 这个项目是否存在 international fee waiver？若有，shortlisted candidate 何时能收到决定？
4. BAE Systems 是否会施加 nationality、residency、security-clearance、export-control、data-access、publication 或 secondment 限制？
5. BAE Systems 的 funding 是否已经最终确认，还是仍处于有条件待确认状态？
6. 2026 年 7 月 31 日 17:00（英国时间） 的截止是否仍然有效？CDT 申请表是否仍对该 late project round 开放？

中优先级问题

1. offer/CAS 将使用哪个 CAH code，中国国籍申请者是否需要 ATAS？
2. 项目将使用哪类复杂资产、自治平台、传感器和数据集？
3. Dr Zhao 与 Dr Zhang 的导师分工将如何安排？
4. 学生是否可以开放发表，还是行业保密会延迟或限制 publication？
5. 这个具体项目对应的 Year 1 MSc modules 和 progression conditions 是什么？

证据与来源

CDT、学校与项目结构

• RAINZ CDT home page
• RAINZ CDT application guide
• RAINZ CDT programme structure
• RAINZ CDT industrial partners
• University of Manchester rankings
• THE University of Manchester profile
• University of Manchester REF 2021
• Manchester PhD Computer Science 2026 entry

导师、论文与研究环境

• Manchester Computer Science research
• Manchester Computer Science facilities
• Manchester uncertainty quantification research expertise
• Philip G Zhao profile
• Long Zhang profile
• data-driven condition monitoring of mooring systems
• data-driven design optimisation of mooring systems
• Bayesian filters and autoencoder networks for bearing RUL prediction
• conformal risk-adaptive navigation
• task- and reconstruction-oriented communications for edge intelligence

资助、生活成本与行政要求

• UKRI support for funded students
• Manchester postgraduate research living costs
• GOV.UK Appendix ATAS
• University of Manchester ATAS guidance