海康机器人-驱动控制算法工程师-杭州

优缺点分析

角色解读

• 成长为电机控制领域的专家，主导核心算法研发，推动技术迭代
• 向机器人系统架构方向延伸，负责整机运动控制与协调
• 积累学习类算法经验，转型AI控制或机器人智能决策方向
• 负责多种电机（PMSM、BLDC等）控制算法的开发与优化，包括速度、电流控制和参数辨识等
• 探索将强化学习等学习类算法应用于电机控制，突破传统PID等方法的性能瓶颈
• 通过算法优化降低对传感器的依赖，实现无传感器控制（无感启动等），提升系统可靠性
• 扎实的电机控制理论基础，熟练掌握PID、自抗扰、MPC等主流控制方法
• 精通C语言编程，了解Python，熟悉嵌入式开发平台（ST、TI等）
• 了解学习类控制算法（强化学习、迭代学习）和电机参数辨识方法
• 具备实际算法开发、调试和优化经验，能独立解决控制问题

申请策略

• 如果研究方向更偏理论，建议补充实际调试经验，可通过开源项目或仿真平台展现动手能力
• 了解海康机器人在移动机器人业务上的产品布局，将个人经验与业务场景结合，在面试中体现价值
• 突出电机控制相关项目经验，详细说明算法开发细节和性能优化成果
• 强调竞赛或顶会论文经历，尤其是与电机控制、学习类算法相关的
• 展示熟练掌握的MCU平台和开发工具，以及在C/Python编程上的项目积累
• 深入复习现代控制理论（状态空间、李雅普诺夫等），掌握PID、MPC等方法的实现细节
• 学习强化学习基础（Q-learning、DQN等）并尝试在仿真环境中进行电机控制应用
• 熟悉至少一种主流电机控制芯片的SDK和调试工具，动手实现简单控制算法

面试指南

• 对于控制方法对比题，从理论基础、实现复杂度、动态/稳态性能、鲁棒性等维度展开，结合实际经验
• 对于项目经历题，按照STAR法则（情境、任务、行动、结果）清晰地阐述，重点突出你的思考和贡献
• 对于算法应用题，先阐述原理，再说明在仿真或实际中的实现流程，最后总结效果和改进方向
• 请详细讲解你如何实现PMSM的FOC（矢量控制）？包括电流环、速度环的参数整定
• 比较PID、自抗扰控制（ADRC）和模型预测控制（MPC）在电机控制中的优缺点
• 你如何将强化学习应用于电机控制？遇到过哪些挑战？
• 请描述一次你调试电机控制算法的经历，如何定位和解决问题？
• 无传感器控制中，反电动势观测器是如何工作的？有哪些改进方法？