清华大学自动化系控制科学与工程与电子信息两个专业的博士研究生入学考试，其考核重点在于对控制理论、系统建模、优化算法、信号处理等核心领域的深入理解以及解决实际工程问题的能力。考生需结合自身研究方向，制定分阶段的系统性复习计划。

基础巩固阶段应重点突破《线性系统理论》《现代控制理论》《信号与系统》《通信原理》等核心教材。建议以清华版《自动控制原理》为教材，配合郑大钟、胡寿松等权威著作进行交叉学习，通过思维导图梳理控制系统的数学模型、状态空间分析与频域特性。对于电子信息方向，需额外补充《数字信号处理》《信息论与编码》等课程，建议使用奥本海默《信号与系统》配合MATLAB仿真实验加深理解。

专题突破阶段需建立三大知识模块：1）智能控制与优化方向，重点掌握Lyapunov稳定性理论、模型预测控制（MPC）、深度强化学习在控制系统中的应用；2）机器人与自动化方向，需精通运动学逆解、SLAM算法、ROS系统架构；3）信息与通信方向，需深入理解MIMO系统、信道编码（如LDPC、Polar码）、6G通信关键技术。建议每周完成2-3个专题的文献精读，建立"理论推导-仿真验证-工程案例"三位一体的学习模式。

真题训练阶段应系统分析2018-2023年统考真题，注意近三年出现频次超过40%的考点包括：非线性系统相平面分析（年均出现2.3题）、鲁棒控制H∞设计（年均1.8题）、数字滤波器设计（年均1.5题）。建议采用"三遍刷题法"：第一遍限时模拟考试（3小时），第二遍错题归类（建立Excel错题库），第三遍跨题型变式训练。特别关注清华大学自主命题的"控制算法创新设计"题型，需掌握MATLAB/Simulink联合仿真技巧。

模拟考试阶段应严格遵循清华大学考试时间规则（上午场3小时，下午场3小时），重点训练时间分配策略：控制理论占35%，电子信息占30%，综合应用占25%，英语占10%。建议使用清华大学出版社《控制科学与工程考博复习指导》进行全真模拟，特别注意近三年新增的"人工智能+控制"交叉题型（如基于深度学习的故障诊断系统设计），此类题目需在复习中预留20%时间进行专项突破。

复试准备需同步开展三方面工作：1）研究计划撰写，重点突出与清华自动化系智能机器人、类脑计算、工业互联网等前沿方向的契合度；2）学术成果准备，具有SCI二区论文或顶会论文者优先；3）英语口语训练，重点准备"中英双语技术报告"（年均考核时长15-20分钟），建议使用TED演讲进行影子跟读训练。特别提醒考生关注清华大学自动化系官网的"学术前沿"专栏，近三年考核中涉及数字孪生、量子控制等新兴领域的内容占比已达27%。

建议考生建立"周计划-日清单-小时任务"的三级执行体系，使用番茄工作法保持高效学习状态。注意控制理论计算题需形成标准化解题流程（如状态空间法固定解题步骤），电子信息题型需强化公式推导与工程应用的快速转换能力。最后阶段应重点突破清华大学自主命题的"控制工程综合设计"模块，此类题目通常要求在4小时内完成从系统需求分析到方案设计的完整流程，建议使用华为ModelArts等工业级工具进行方案验证。