浙江大学控制学院FAST-LAB FAR课题组2024年招聘博士后（变结构无人机方向）

FAST-LABFAR课题组诚聘导航制导与控制、航天工程、控制科学与工程、人工智能、信息与通信工程、气动设计等相关专业的博士后2名。

研究方向一般为课题组现有项目，也可根据博士后擅长方向开拓新领域，日常参与指导学生或学生团队完成科研实践项目，组织学生代表浙江大学及湖州研究院参加学科竞赛。

一、合作导师

许超，浙江大学“数学机器人与控制论（Math Robotics and Cybernetics）”方向教授，IEEE高级会员，科技委“未来城市先进技术运用”专家（先进技术领域），浙大控制学院副院长、浙大湖州研究院院长，智能移动无人系统浙江省工程研究中心主任、中国自动化学会工业视觉专委会副主任、湖州市数字化改革标准技术委员会副主任；湖州政协委员、科协常委。创办 IET Cyber-Systems & Robotics 任执行主编；曾任第 12 届世界机器人帆船挑战赛主席（2019）、中国自动化大会组委会副主席（2019），参与申办 IROS2025（机器人学国际旗舰会议）获批落地杭州，任组委会副主席。牵头获批 IEEE 国际标准立项 1 项，代表性学术成果在 Science Robotics（封面）、Nature Machine Intelligence（封面）、IEEE Transactions 及顶尖会议上发表；相关成果产生了较大影响力，被新华社、光明日报、国家基金委、Science、IEEE-Spectrum、泰晤士报以及中央电视台等媒体报道。

二、申请条件

1．具有良好的政治素养和道德修养，遵纪守法，身体健康；

2．在国内外知名高校或科研院所已取得博士学位，且一般毕业不超过3年；或者近期内能顺利完成博士论文答辩，获得博士学位的应届毕业生；

3．年龄一般不超过35岁，课题组可协助申请博士后基金；

4．在本学科领域取得相关学术业绩，具有良好的学术背景，较强的创新活力和学术潜能，具备独立开展研究工作的能力；

5．过往参与或指导相关学科竞赛；

6．符合国家及浙江大学招聘博士后的其他条件。

三、能力要求（可按研究方向分项满足，满足多项者优先）

1．空气动力学基础：理解飞行器在空气中运动的基本原理，掌握升力、阻力、推力和重力的相互作用，特别是在可变结构对飞行器空气动力学性能影响方面的研究。

2．无人机设计基础：深入了解固定翼、旋翼、混合动力无人机的设计原理，熟悉无人机设计流程、结构材料、质量分布等基本设计要素。

3．结构力学基础：掌握结构力学的基本原理，特别是针对可变结构无人机，理解如何计算和设计可变形结构的强度、刚度及疲劳特性。

4．流体动力学基础：熟悉CFD软件，如ANSYS Fluent、OpenFOAM等，能够进行无人机的空气动力学仿真，研究不同变形方式对无人机飞行性能的影响。

5．控制理论与飞行控制基础：掌握经典控制理论、现代控制理论、自适应控制方法、多传感器融合与导航技术，可基于所提出方法实现变结构无人机的稳定控制、姿态估计与航迹规划等。

6．人工智能与算法开发基础：了解如何利用机器学习和深度学习进行无人机路径规划、目标识别、行为预测等，特别是使用这些技术来优化变结构操作中的控制策略，能设计算法实现无人机的自主决策和优化控制。

7．嵌入式系统与编程技能：熟悉嵌入式硬件及其开发环境，能够进行无人机的硬件控制与数据采集，熟练掌握C/C++语言，用于实现嵌入式系统上的飞行控制算法，掌握Python语言，特别是用于数据分析、机器学习模型开发以及飞行仿真相关的编程，了解实时操作系统的工作原理，能够设计实时性要求较高的无人机控制系统。

8．实际应用和工程经验：具备无人机的组装、调试和故障排查能力，能够动手实现变结构无人机的设计方案，具备项目管理能力，能够协调多学科团队合作，完成复杂无人机系统的开发。

四、岗位待遇

1．基础年薪为30-60万元，具体面议，针对特别优秀的人才，上不封顶；

2．课题组将发挥团队优势，助力博士后发展，鼓励并支持博士后各类人才项目及基金资助的申请；

3．课题组项目计划及个人职业规划基于博士后广阔的学术发展空间，支持博士后参与国内外各类学术交流；

4．课题组视博士后科研成果情况提供相应的经费支持及奖励；

5．博士后在站期间成果优秀者，优先推荐申报我校研究员岗位或预聘制教师。

五、联系方式

如有意申请者，请将个人申请材料（含个人简历、科研经历、学术代表作等）发送至联系人邮箱，邮件主题“博士后应聘+姓名+博士后招收网”。与合作导师确定合作关系后，课题组将协助申请人联系控制学院准备进站材料。

联系人：王老师

联系邮箱：wangzian@nuaa.edu.cn

原文出处：

http://hzi.zju.edu.cn/wap/mwechat/content_view?m=a88f2b60-2869-4cae-a430-b20400c0dadd