导师简介
如果你想申请香港中文大学机械与自动化工程系的博士，那今天这期文章解析可能对你有用！今天Mason学长为大家详细解析香港中文大学的Professor FANG的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！
导师现任香港中文大学机械与自动化工程系助理教授。
他于2022年在荷兰代尔夫特理工大学获得设计工程博士学位，此前于2016年在北京理工大学获得机械工程学士学位。在加入香港中文大学之前，他曾在英国曼彻斯特大学担任数字制造领域的博士后研究员。
导师的研究重点是开发计算技术以推进制造和机器人系统。他在数字制造、计算设计和机器人领域发表了20多篇研究论文。导师的研究成果获得了多项荣誉，包括2022年SIGGRAPH亚洲会议最佳论文奖和2023年ASME IDETC-CIE会议最佳论文奖。
他是美国机械工程师学会（ASME）、电气电子工程师学会（IEEE）、计算机协会（ACM）SIGGRAPH分会的成员，并担任固体与物理建模研讨会（SPM）和ASME计算机与信息工程（CIE）分会的委员会成员。
研究领域
导师的教学领域主要集中在高级制造和计算机辅助设计方面。他在2023/24学年讲授以下课程：
MAEG 4010: 计算机集成制造
MAEG 5030: 设计和制造的几何计算
导师的研究兴趣涵盖了多个前沿领域：
1.几何计算
2.计算设计
3.先进制造
4.机器人学
这些研究方向紧密结合了现代制造业的发展需求，体现了导师在机械工程和自动化领域的深厚专业知识。
研究分析
1."Spring-IMU fusion based proprioception for feedback control of soft manipulators" 发表于IEEE/ASME Transactions on Mechatronics，2023年9月。
这篇论文探讨了软体机器人操纵器的反馈控制问题。软体机器人因其柔顺性和安全性而在医疗、康复等领域受到广泛关注，但其控制一直是一个挑战。
论文提出了一种基于弹簧-惯性测量单元（IMU）融合的本体感知方法，用于软体操纵器的反馈控制。
研究的主要创新点在于：
提出了一种新型的传感器融合方法，结合了弹簧的弹性特性和IMU的精确测量能力。
开发了一种基于该融合方法的反馈控制策略，实现了软体操纵器的精确控制。
通过实验验证了该方法在不同工作条件下的有效性和鲁棒性。
这项研究对软体机器人的发展具有重要意义，为解决软体机器人精确控制的难题提供了新的思路和方法。
2."Vector field based volume peeling for multi-axis machining" 发表于ASME Journal of Computing and Information Science in Engineering，2024年5月。
这篇论文提出了一种基于矢量场的体积剥离方法，用于多轴加工。多轴加工是一种先进的制造技术，可以实现复杂形状的高精度加工，但其刀具路径规划一直是一个挑战。
研究的主要贡献包括：
提出了一种新的体积剥离算法，基于矢量场计算最优的刀具路径。
开发了一种高效的数值方法，用于求解体积剥离过程中的偏微分方程。
通过仿真和实际加工实验验证了该方法的有效性和机构性。
这项研究为多轴加工中的刀具路径规划提供了一种新的解决方案，有望提高复杂零件的加工效率和质量。该论文获得了2023年ASME IDETC-CIE会议的最佳论文奖，充分说明了这项研究的创新性和重要性。
3."Turning-angle optimized printing path of continuous carbon fiber for cellular structures" 发表于Additive Manufacturing，2023年4月。
这篇论文研究了连续碳纤维增强复合材料3D打印中的路径规划问题。连续纤维增强复合材料3D打印是一种新兴的制造技术，可以生产高性能、轻量化的结构件，但其打印路径的优化一直是一个难题。
研究的主要创新点包括：
提出了一种基于转角优化的打印路径规划方法，适用于蜂窝状等细胞结构。
开发了一种考虑纤维断裂和重叠的路径生成算法，提高了打印质量和效率。
通过实验验证了该方法在不同类型的细胞结构中的应用效果。
这项研究为连续纤维增强复合材料3D打印技术的发展提供了重要支持，有望推动该技术在航空航天、汽车等领域的应用。
4."Efficient Jacobian-based inverse kinematics with sim-to-real transfer of soft robots by learning" 发表于IEEE/ASME Transactions on Mechatronics，2022年12月。
这篇论文提出了一种基于雅可比矩阵的高效逆运动学方法，并结合机器学习技术实现了软体机器人的仿真到现实转移。软体机器人的运动学建模和控制一直是一个挑战，特别是在实际应用中如何克服仿真与现实之间的差异。
研究的主要贡献包括：
提出了一种基于雅可比矩阵的高效逆运动学算法，适用于软体机器人。
开发了一种基于学习的仿真到现实转移方法，提高了算法在实际环境中的适应性。
通过实验验证了该方法在不同类型的软体机器人上的有效性和鲁棒性。
这项研究为软体机器人的精确控制提供了新的解决方案，有望推动软体机器人在医疗、康复等领域的应用。
5."S^3-Slicer: A general slicing framework for multi-axis 3D printing" 发表于ACM Transactions on Graphics (SIGGRAPH Asia 2022)，2022年12月。
这篇论文提出了一种通用的多轴3D打印切片框架，名为S^3-Slicer。多轴3D打印是一种新兴的制造技术，可以实现复杂形状和功能结构的制造，但其切片算法一直是一个挑战。
研究的主要创新点包括：
提出了一种基于空间曲面的通用切片框架，适用于不同类型的多轴3D打印系统。
开发了一种高效的切片算法，可以处理复杂的几何形状和打印路径。
通过多种打印实验验证了该框架的通用性和有效性。
这项研究为多轴3D打印技术的发展提供了重要支持，有望推动该技术在工业制造、生物医学等领域的应用。该论文获得了2022年SIGGRAPH亚洲会议的技术论文最佳论文奖，充分说明了这项研究的创新性和重要性。
6."Field-based toolpath generation for 3D printing continuous fibre reinforced thermoplastic composites" 发表于Additive Manufacturing，2022年1月。
这篇论文提出了一种基于场的刀具路径生成方法，用于连续纤维增强热塑性复合材料的3D打印。连续纤维增强复合材料3D打印是一种新兴的制造技术，可以生产高性能的复合材料结构件，但其刀具路径规划一直是一个难题。
研究的主要贡献包括：
提出了一种基于矢量场的刀具路径生成方法，可以实现连续纤维的最优铺放。
开发了一种考虑纤维方向和密度的路径优化算法，提高了打印质量和性能。
通过实验验证了该方法在不同类型的复合材料结构中的应用效果。
这项研究为连续纤维增强复合材料3D打印技术的发展提供了重要支持，有望推动该技术在航空航天、汽车等高性能应用领域的应用。
研究贡献和成就
导师在计算设计、先进制造和机器人学领域做出了显著的研究贡献，其主要成就可以总结如下：
1.在软体机器人控制领域，提出了创新的传感器融合方法和反馈控制策略，为解决软体机器人精确控制的难题提供了新的思路。
2.在多轴加工技术方面，开发了基于矢量场的体积剥离算法，为复杂零件的高效加工提供了新的解决方案。
3.在3D打印技术领域，提出了通用的多轴3D打印切片框架S^3-Slicer，推动了多轴3D打印技术的发展。
4.在连续纤维增强复合材料3D打印方面，开发了基于场的刀具路径生成方法，为高性能复合材料结构的制造提供了重要支持。
5.在计算设计领域，开发了多种创新算法，如基于几何计算的软体机器人运动学模型，为复杂系统的设计和优化提供了新的工具。
导师的研究成果得到了学术界的广泛认可，获得了多项重要奖励，包括：
2022年SIGGRAPH亚洲会议技术论文最佳论文奖
2023年ASME IDETC-CIE会议最佳论文奖
这些奖项充分体现了导师研究工作的创新性和重要性。
研究想法
a) 基于拓扑优化的多材料4D打印：
研究目标：开发一种结合拓扑优化和多材料4D打印的方法，实现智能变形结构的设计与制造。
创新点：将拓扑优化算法扩展到时变域，考虑材料的响应特性和变形过程。
潜在应用：可应用于自适应机械结构、智能医疗器械等领域。
b) 软体-刚体混合机器人的协同控制：
研究目标：开发一种集成软体和刚体部件的混合机器人系统，实现刚柔协调的精确操作。
创新点：提出一种统一的建模框架，结合模型预测控制和在线学习算法。
潜在应用：可用于精密装配、微创手术等需要灵活性和精确性的场景。
c) 基于场理论的多尺度增材制造路径规划：
研究目标：开发一种跨尺度的增材制造路径规划方法，实现宏观结构和微观材料属性的同步优化。
创新点：将矢量场理论扩展到多尺度域，考虑材料各向异性和梯度特性。
潜在应用：可用于功能梯度材料、生物医学支架等高性能结构的制造。
申请建议
a) 研究计划准备：
仔细研读导师的最新论文，特别是获奖论文，理解其研究思路和方法。
根据导师的研究兴趣，选择1-2个创新想法深入展开，撰写详细的研究计划。
建议：在研究计划中突出几何计算、先进制造和机器人学的交叉融合，体现多学科背景。
b) 技术能力展示：
整理个人项目经历，重点展示与导师研究方向相关的工作。
准备代码示例或演示视频，展示在几何算法实现、CAD/CAM应用等方面的能力。
建议：开发一个小型软件demo，如基于矢量场的3D打印切片工具，展示编程能力和对研究主题的理解。
c) 学术交流准备：
精读导师的核心论文，准备有深度的技术问题和讨论点。
关注固体与物理建模研讨会（SPM）和ASME计算机与信息工程（CIE）分会的最新动态。
建议：尝试复现导师的一些研究工作，在此基础上提出改进或扩展的想法。
d) 跨学科背景强化：
如果背景是机械工程，加强计算机科学和数学方面的知识，如计算几何、优化理论等。
如果背景是计算机科学，补充机械设计和制造工艺方面的知识。
建议：选修相关课程或参加在线学习，获得跨学科知识的证明材料。
e) 实践经验积累：
寻找与先进制造、机器人技术相关的实习机会，积累实际工程经验。
参与开源项目或学术竞赛，如机器人设计大赛、CAD/CAM软件开发比赛等。
建议：尝试将研究想法付诸实践，制作原型或概念验证，展示动手能力和创新精神。
f) 个人陈述撰写：
清晰阐述选择该导师的原因，展示对其研究工作的深入理解。
突出自己在几何计算、先进制造和机器人学交叉领域的兴趣和潜力。
建议：描述一个长期研究愿景，展示如何将导师的研究方向与个人职业目标结合。
Kimi：985机械工程硕士，现为港三机械工程博士生。研究方向为智能制造和机器人学，专注于工业4.0背景下的自动化生产系统优化。曾在《Journal of Mechanical Design》和《Robotics and Computer-Integrated Manufacturing》发表国论文。
获得IEEE机器人与自动化国际会议最佳学生论文奖。擅长套磁文书和RP写作指导。
【竞赛报名/项目咨询+微信：mollywei007】
