科技日报记者 金凤 通讯员 朱琳
当百架无人机在夜空精准勾勒流光图案，当工业机械臂协同完成毫米级精密加工，当智能车流有序疏导城市拥堵——这些充满未来感的场景，正依托群体智能技术走向现实。
然而，大规模设备协同的背后，高功耗、通信延迟和突发故障等难题，始终制约着其可靠与持久运行。
近日，南京工业大学（以下简称南工大）教授史建涛团队的一项研究，为破解这些瓶颈提供了关键技术支撑。该团队的“群体智能系统的分布式滤波、控制及智能运维理论与应用”项目，凭借三项原创性突破，荣获2025年度江苏省工程师学会科学技术奖特等奖，让智能设备的“群体协作”变得更加安全、高效与坚韧。
群体智能系统的顺畅运行，离不开通信、控制、运维三大核心环节的协同发力。其中无线通信是群体协同的“神经”，但持续的全量数据传输极易导致网络拥堵与能耗过高。
团队研发的“事件触发滤波”技术，革新了传统模式。团队成员、南工大副教授岳冬冬介绍，该系统仅在关键数据变化超越设定阈值时才启动传输，其余时间保持静默。这能在保证控制精度的同时，降低70%—80%的通信量与能耗，显著延长无人机等移动平台的作业时长。
“它让设备从‘时刻待命’变为‘按需发声’，做到了‘智能节流’，解决续航之困。”岳冬冬说。
如果说通信是“信息桥梁”，那么控制便是群体智能的“行动中枢”。“设备在复杂多变的环境中运行，难免出现故障，就像编队飞行的候鸟突遭翅膀受伤的意外。”团队成员、南工大教授钱默抒指出，传统处理方式需停机维修或回收，不仅成本高昂，在紧急救援等时效性要求极高的场景中更不现实。团队率先将“容错控制”引入群体智能系统，创新构建“故障检测—故障估计—故障补偿”闭环机制。
“这赋予系统‘带伤飞行’的能力。”史建涛举例，即使四旋翼无人机的一个螺旋桨失灵，系统也能在毫秒间重新分配其余电机的动力，保障编队稳定飞行与任务连续，特别适用于侦察、救援等任务不容中断的紧要场景。
设备“编队”运行的长期稳定，离不开智能运维的“健康守护”。团队成员、南工大副教授陈闯介绍，传统定期检修往往“不论健康状况，到点就查”，成本高昂且可能无的放矢。而他们开创了“剩余寿命预测的不确定性量化”技术，通过改进深度学习模型，该系统不仅能预测设备剩余使用寿命，更能给出预测结果的置信概率，将预测精度从约50%提升至90%以上，大幅降低了运维成本，提升了系统可靠性。
“传统方法可能会判断出设备还能运行两个月，我们能精准到‘健康运行两个月的概率达95%’，让企业决策更有依据。”陈闯说。
近年来，史建涛团队通过“仿真—半实物—实物”的递进研发模式，将成果融入产业发展。
“比如，太空环境极端苛刻，温度波动大，辐射强、通信距远。我们基于火星车星际空间运行的特殊需求，开发‘力触觉传感器’等关键部件，并将事件触发滤波与实时故障处理技术融入星载组网雷达系统，在保障通信可靠性的同时降低能源消耗，为卫星协同工作筑牢技术屏障。”团队成员、南工大副教授冯李航介绍，这项技术还曾获2023年中国自动化学会科技进步奖一等奖。
同时，团队与江苏省测绘工程院、上海华测等单位合作，优化测绘设备协同工作效率；与中航工业、航天科工502所等合作，为航空发动机、火星车等装备提供运维与控制支持，真正实现“从实验室到生产线，从地面到太空”的全场景赋能。
此外，团队还将群体智能技术延伸至化工安全生产等流程工业领域，通过故障诊断与容错控制为传统工业升级注入新智能。
史建涛表示，未来，团队将继续瞄准国家重大需求与产业痛点，在学科交叉融合中探索新突破，致力于让群体智能技术在更多关键领域可靠运行，为中国智能制造与高质量发展提供支撑。
网友评论
