■通讯员朱琳

本报记者葛思佳

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。

南京工业大学史建涛教授团队的一项研究，为破解这些瓶颈提供了关键技术支撑。其“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。“这就像一支作战部队，既要保持通信脉络畅通无阻，又要遵循指令精准行动，更要筑牢后勤保障防线，任何一环出现纰漏，都可能导致满盘皆输。”史建涛说。

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。史建涛团队研发的“事件触发滤波”技术，革新了传统模式。“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。”团队成员岳冬冬老师解释，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。此举能在保证控制精度的同时，降低70%-80%的通信量与能耗，显著延长了无人机等移动平台的作业时长。

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。为此，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’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”。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。团队介绍，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。

科研成果的价值，最终体现在解决实际问题上。团队坚持“问题从产业中来，成果到产业中去”的路径，构建了“仿真-半实物-实物”的递进研发模式，确保技术紧贴“地气”。

“十多年前开始该领域的研究时，实验以仿真为主，研究聚焦纯理论，模型包含诸多理想化假设。”史建涛回忆，彼时科研多以发表论文为目标，仿真参数可随意调整以得出理想结果，但这些理论成果应用到实际场景时，却与实验结果相去甚远，“现在，我们将无人机、机器人等设备的实际采集参数融入仿真系统，把企业实际需求作为科研攻关核心。”

依托学校的“工业互联网＋危化品安全生产”应急管理部重点实验室，近年来，团队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。

“我们要求学生既要钻研算法，更要深入理解工业场景。”史建涛强调这种理论与工程并重的培养理念。展望未来，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坚实支撑。

2025年12月26日《江苏科技报》第A08版：https://jskjb.skzb.org.cn/xpaper/appnews/147651/161671/182862-1.shtml