百架無人機在夜空精准勾勒流光圖案，工業機械臂協同完成毫米級精密加工，智能車流控制技術有效避免城市擁堵……這些充滿未來感的場景，正依托群體智能技術逐步成為現實。然而，設備大規模協同運作的背后，高功耗、通信延遲、突發故障等問題，始終制約著群體智能系統的可靠性與持久運行。

近日，南京工業大學（以下簡稱“南工大”）教授史建濤團隊的一項研究，為突破這些瓶頸提供了關鍵技術支撐。該團隊的“群體智能系統的分布式濾波、控制及智能運維理論與應用”項目，憑借三項原創性突破，獲得2025年度江蘇省工程師學會科學技術獎特等獎，讓智能設備的“群體協作”變得更加安全高效。

群體智能系統的穩定運行，離不開通信、控制、運維三大核心環節的協同支撐。其中，無線通信是群體協同的“神經”，但持續的全量數據傳輸極易引發網絡擁堵與能耗過高問題。

團隊研發的“事件觸發濾波”技術，革新了群體智能無線通信時的傳統模式。團隊成員、南工大副教授岳冬冬介紹，該系統僅在關鍵數據變化超越設定閾值時才啟動傳輸，其余時間保持靜默。這一設計在保障控制精度的前提下，可降低70%—80%的通信量與能耗，大幅延長無人機等移動平台的連續作業時長。“它可讓設備從‘時刻待命’變為‘按需發聲’，做到智能節流，解決續航之困。”岳冬冬說。

控制則猶如群體智能的“行動中樞”。“設備在復雜多變的環境中運行，難免出現故障，就像編隊飛行的候鳥會突遭意外。”團隊成員、南工大教授錢默抒說，面對這種情況，傳統處理方式是停機維修或回收，不僅成本高昂，在緊急救援等時效性要求極高的場景中也不現實。為此，團隊率先將“容錯控制”引入群體智能系統，創新構建“故障檢測—故障估計—故障補償”閉環機制。

“這賦予系統帶傷飛行的能力。”史建濤舉例，即使四旋翼無人機的一個螺旋槳失靈，系統也能在毫秒間重新分配其余電機的動力，保障編隊穩定飛行。在偵察、救援等緊急場景中，這一技術可讓群體智能設備不間斷完成任務。

設備編隊運行的長期穩定，還離不開智能運維的“守護”。團隊成員、南工大副教授陳闖介紹，傳統定期檢修往往“不論健康狀況，到點就查”，這種方式成本高昂且可能無的放矢。而他們研發的“剩余壽命預測的不確定性量化”技術通過改進深度學習模型，不僅能預測設備剩余使用壽命，而且能給出預測結果的置信概率，將預測精度從約50%提升至90%以上，大幅降低了運維成本，提升了系統可靠性。

“傳統方法能判斷出設備大約還能運行兩個月，我們能精准預判健康運行兩個月的概率達95%。這讓企業決策更有依據。”陳闖說。

近年來，史建濤團隊通過“仿真—半實物—實物”的遞進研發模式，將群體智能技術融入產業發展。

“比如，太空環境極端苛刻，溫度波動大，輻射強、通信距離遠。我們基於火星車星際空間運行的特殊需求，開發力觸覺傳感器等關鍵部件，並將事件觸發濾波與實時故障處理技術融入星載組網雷達系統，在保障通信可靠性的同時降低能源消耗，為衛星協同工作筑牢技術屏障。”團隊成員、南工大副教授馮李航介紹，事件觸發濾波與實時故障處理技術獲得2023年中國自動化學會科技進步獎一等獎。

同時，團隊與江蘇省測繪工程院、上海華測等單位合作，優化測繪設備協同工作效率﹔與中航工業、航天科工502所等合作，為航空發動機、火星車等裝備提供運維與控制支持，真正實現“從實驗室到生產線，從地面到太空”的全場景賦能。

團隊還將群體智能技術延伸至化工安全生產等流程工業領域，通過故障診斷與容錯控制為傳統工業升級注入新智能。

史建濤說，未來，團隊將繼續瞄准國家重大需求與產業痛點，在學科交叉融合中實現新突破，致力於讓群體智能技術應用於更多關鍵領域。

分享讓更多人看到