背景与最终方向
作者本科就读于某双一流高校安全工程专业，综合成绩90.54、专业第一，六级460分以上。担任省级大创负责人，有授权发明专利1项、SCI二区第一作者论文1篇；全国大学生数学竞赛获一等奖，节能减排、工程实践类竞赛获国二、国三等，累计国家级奖20余项。2025年最终接受清华大学硕士待录取，选择人工智能交叉方向。
大一了解保研，最初只知道成绩和比赛重要，后来在课程中逐渐喜欢用数学、仿真与算法解决工程问题。择校也把城市、生活成本、培养地点、导师资源和就业空间列入考虑，而非只追求学校名称。
第一项核心科研：通风、粉尘与响应面分析
大二进入科研训练，研究多个通风参数如何共同影响粉尘浓度。先将实际巷道转为SolidWorks三维几何，再在Fluent建立风流与粉尘扩散耦合模型，设置入口风速、边界条件及颗粒相，选择需要分析的浓度区域。
最初一见残差下降，就以为模型成功。有一次运行很久，云图看似好看，关键区域趋势却不符合物理规律。先反复调求解器仍未解决，最后从网格、边界条件和单位逐项检查，发现错误不在求解器。作者由此认识到，收敛之后还需验证结果的物理含义。
为研究多参数主效应与交互作用，使用Design-Expert和响应面法：先用单因素实验确定合理范围，再用中心复合设计产生工况，逐组CFD求解，完成多项式回归与方差分析。核对数据、补算工况、检查异常值后，才能解释参数同时变化为何不等于单独效果相加。
第二项核心科研：模糊神经网络与PID
结合模糊神经网络与PID，根据粉尘浓度动态调整风速。通过数值模拟构建不同Kp、Ki、Kd参数与浓度偏差、偏差变化率之间的数据集，再用BP算法优化隶属函数参数和模糊规则权重。这个具体工程问题把安全、数据、模型和控制连起来，成为跨人工智能的主要依据。
数据不稳定、参数组合异常、训练不理想都曾出现。作者一度盲目试参数，导师让其重新写出假设、边界条件和每一步变化，才发现问题定义未检查清楚。解决过程是回到物理和假设，形成可逐项排查的列表，而不只把软件当黑箱。
英文文献的三遍读法
最初一篇英文文献常花两三天，读完仍只能复述摘要。后来第一遍读题目、摘要、图表、结论，确定对象、问题、结果；第二遍记录模型、变量、实验设计；第三遍精读与项目相关的部分。每篇留下“问题—方法—结论—不足—启发”五项笔记，另维护术语表，并在写作中练习论文框架和修改意见处理。
竞赛与课程的取舍
数学竞赛最初获二等奖，发现综合题和时间分配不足，第二年继续训练后获一等奖。工程类比赛涉及智能采矿、节能通风与工程设计，除技术工作，还需追进度、协调分工、整合材料和答辩。团队实际困难包括找数据、验证模型、讲清复杂技术，以及临近答辩图表、数据和单位不一致。
曾见到新比赛就想报名，后来课程、竞赛和科研相互抢时间，才开始筛选：是否与方向有关、本人工作是否真实、能否沉淀可复用能力、是否挤占更重要任务。面试准备选择两项代表性比赛，一项体现数理基础，一项体现专业实践。
高学分、数学和核心课持续投入，课后整理框架、考前回顾错题；科研竞赛不能代替资格和初筛需要的成绩。申请密集期把投递集中处理，留出持续专业复习和面试训练，避免连日填系统却知识生疏。
材料归档与防止提交失误
最初简历把课程、竞赛、科研、学生工作与证书都塞满，难以识别核心能力。调整后，以数理课程和数学赛说明基础，专业赛说明工程实践，科研说明问题意识，论文专利说明持续推进成果的能力。
项目至少写清问题、本人工作、方法选择和结果；个人陈述保留背景与主要经历，再按项目改研究兴趣、课程匹配和计划。导师邮件用具体阅读和项目联系解释兴趣，避免只有“拜读多篇论文”。
最迟大三上建立项目档案，归集背景、个人任务、技术路线、关键结果、失败过程、成果及证明。每个项目准备1分钟和3分钟版本，列追问。作者曾因资料散落和数据版本不明而难以复盘，若重来，会在寒假先完成院校池、简历母版、陈述底稿及全部项目复盘。
- 统一扫描成绩单、排名、获奖、论文检索、专利和身份证明，文件名区分材料、日期与版本。
- 投递表记项目、截止、材料、推荐信、是否邮寄、考核、结果和备注；区分已保存与已提交，记录上传版本。
- 提交前检查学校项目名、日期、文件可打开、大小格式、签字盖章和页码，压缩PDF后仍保证清晰。
- 资料目录包含报名统计表、文书汇总、院校信息表、陈述与CV、导师邮件、两封推荐信、中英文3分钟介绍和展示PPT，英语问题另整理成册。
八个项目机会与分层选择
- 西北工业大学民航学院。
- 清华大学安全科学学院。
- 清华大学工程物理系。
- 南京大学地科院。
- 中国科学技术大学火灾实验室。
- 中山大学中法核。
- 中南大学资源与安全工程学院。
- 北京理工大学珠海校区。
分层依据项目，而非仅学校名。冲刺需要至少一项可识别优势，匹配看经历和方向，保底既要有相对可控概率，也要本人愿意去。夏令营可以扩大尝试，预推免先形成可接受结果，再冲其他方向。曾投不适合项目，临时补课占用重要项目准备时间。
八个机会按平台、研究方向、培养方式、地点、导师匹配、未来发展六维比较。最终选择的人工智能交叉方向能延续工程安全问题意识、数值模拟、控制和神经网络积累。
不同方向的准备提纲
西工大民航控制工程：补自动控制原理，再回项目。提纲包括为何固定PID不足、Kp/Ki/Kd各改什么、输入输出是什么、数据从何而来、为何用偏差及变化率、BP优化什么、如何证明效果更好。模拟时曾被“数据集怎么来”问住，之后重新深挖。
清华安全科学：准备巷道几何依据、风速边界设置、网格和结果验证、单因素与中心复合设计理由、回归显著性和多参数交互的作用，并讲明异常模型排查。软件“熟练”应由这些具体过程支撑。
中山中法核侧重准备核安全动机、英语与跨专业基础；中南资安深挖安全系统、风险分析、科研；北理珠海动力工程将热力学、流体、控制与项目联系。项目越贴近可能越问核心，越跨方向越需解释动机和知识缺口。
实际面试与表达训练
最终方向的面试先问科研解决什么问题、为何选方法、模型局限，再问数学、英语、专业前沿及AI用于工程安全可能带来的新风险。作者事先检查摄像头、耳机、网络和备用热点，备好打印简历与逐项追问清单。
每段经历练三层：1分钟概述问题、方法、结果；第二层讲数据、模型、参数、实验和本人贡献；第三层讲局限、替代方案和下一步。团队成果分清自己负责的工作，避免夸大。
英语准备三个可稳定输出的模块：1分钟自我介绍、科研英文简述、兴趣与计划。科研按problem—method—my contribution—result，录音后将不顺句改短，练常见优缺点与规划；没听清时请老师重复或确认。
回答先一句判断，再分两三点，必要时结合项目。不会时按已知、分析、边界说明，不生造概念。减少刷群，每日写明复盘项目、练两次介绍、整理一章课或检查申请等任务；恢复休息后继续推进。