百架无人机在夜空精准勾勒流光图案，工业机械臂协同完成毫米级精密加工，智能车流控制技术有效避免城市拥堵……这些充满未来感的场景，正依托群体智能技术逐步成为现实。然而，设备大规模协同运作的背后，高功耗、通信延迟、突发故障等问题，始终制约着群体智能系统的可靠性与持久运行。
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，为突破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，获得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。
(资料图)
群体智能系统的稳定运行，离不开通信、控制、运维三大核心环节的协同支撑。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引发网络拥堵与能耗过高问题。
团队研发的“事件触发滤波”技术，革新了群体智能无线通信时的传统模式。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。这一设计在保障控制精度的前提下，可降低70%—80%的通信量与能耗，大幅延长无人机等移动平台的连续作业时长。“它可让设备从‘时刻待命’变为‘按需发声’，做到智能节流，解决续航之困。”岳冬冬说。
控制则犹如群体智能的“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会突遭意外。”团队成员、南工大教授钱默抒说，面对这种情况，传统处理方式是停机维修或回收，不仅成本高昂，在紧急救援等时效性要求极高的场景中也不现实。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。在侦察、救援等紧急场景中，这一技术可让群体智能设备不间断完成任务。
设备编队运行的长期稳定，还离不开智能运维的“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”，这种方式成本高昂且可能无的放矢。而他们研发的“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，不仅能预测设备剩余使用寿命，而且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。
“传统方法能判断出设备大约还能运行两个月，我们能精准预判健康运行两个月的概率达95%。这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，将群体智能技术融入产业发展。
“比如，太空环境极端苛刻，温度波动大，辐射强、通信距离远。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，事件触发滤波与实时故障处理技术获得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。
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。
史建涛说，未来，团队将继续瞄准国家重大需求与产业痛点，在学科交叉融合中实现新突破，致力于让群体智能技术应用于更多关键领域。
