群体智能高效运作的三项关键创新

夜空中，百余架无人机有序排布，变幻出绚丽的图案；工业机械臂默契配合，完成精细的微米级加工；智能交通系统有效疏导车流，城市告别拥堵……曾经属于科幻的图景，在群体智能的推进下逐步落地。但在设备高密度协同背后，能耗高、通讯效率低以及突发故障等难题，仍然是群体智能系统必须面对的挑战。

南京工业大学（简称“南工大”）史建涛教授团队近期的研究，为破解这些难题带来了新的思路。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，凭借三项突破性成果，获得2025年度江苏省工程师学会科学技术奖特等奖，为智能设备协作筑牢安全高效的基础。

群体智能系统要实现稳定运行，核心在于通信、控制和运维“三驾马车”的紧密协作。无线通信好比系统的“神经网络”，但如果数据持续大量传输，常常导致网络阻塞、能源消耗居高不下。

团队创新研发的“事件触发滤波”技术，打破了以往无线通信需实时传输所有数据的限制。南工大副教授岳冬冬介绍，这项技术只在关键数据发生显著变化时才触发传输，平时设备保持静默，有效减轻流量负担。在保证精度的前提下，通信和能耗可削减70%至80%，无人机和其他移动平台的续航能力显著提升。“设备不必时刻待命，可以智能‘按需发声’，续航问题迎刃而解。”岳冬冬说。

而在控制环节，群体智能系统如同舆情网的“大脑”。“设备处于不断变化的环境中，难免发生故障，就像群鸟编队中偶有成员掉队。”团队成员、南工大教授钱默抒介绍，以往针对故障多用停机检修或整体回收，这既昂贵又难以满足如救援任务等时间紧迫的需求。为此，团队首创将“容错控制”纳入群体智能，提出“故障检测—故障估算—故障补偿”闭环方法。

“这让设备具备带病工作的能力。”史建涛举例，比如四旋翼无人机若有一只螺旋桨失效，通过容错机制能在毫秒级重新分配动力，保持编队飞行不受影响。在应急救援和侦查任务中，这项技术让智能设备能够持续执行任务。

想让设备编队长期稳定运行，还得依赖智能运维。南工大副教授陈闯提到，传统设备检修往往依赖固定周期，不分实际状况检查，既浪费又效果有限。而团队基于深度学习模型改进的“剩余寿命预测的不确定性量化”技术，不仅预测设备剩余寿命，还能量化准确度，将置信度从50%提升到90%以上，极大降低了运维成本，系统可靠性也随之增强。

“传统方法只是粗略估算‘还能用几个月’，现在我们的模型能精确给出持续运行的概率，比如健康运行两个月的可能性达到95%。”陈闯说，这为企业提供了科学依据。

近年来，史建涛团队采用仿真—半实物—实物的渐进式研发，让群体智能技术逐步融入产业。

“在太空，环境极为严苛，温度变化剧烈，辐射强烈，通信距离遥远。针对火星车等设备的特殊需求，我们开发了力触觉传感等关键元件，将事件触发滤波、实时故障处理技术融入星载组网雷达系统，确保通信稳定的同时极大降低能源消耗，为卫星编队建立技术防线。”团队成员、南工大副教授冯李航介绍，这些核心技术已获2023年中国自动化学会科技进步奖一等奖。

团队还联合江苏省测绘工程院、上海华测等单位，共同提升协同测绘设备的效率；与中航工业、航天科工502所合作，为航空发动机、火星车等装备定制控制与运维方案，实现从实验室到工业现场、从地表到太空的技术应用。

此外，团队也将群体智能拓展至化工安全等流程工业，通过智能故障诊断和容错控制，助力传统制造业升级。

展望未来，史建涛表态，团队将继续瞄准关键技术和产业痛点，推动学科间深度融合，不断寻求新的技术突破，让群体智能走进更多核心领域。