物联网(Internet of Things， IoT)作为新一代网络信息技术与制造业深度融合的产物， 因其高可靠性、低成本和高鲁棒性等优势，被广泛部署于电力监测、钢铁生产、装备制造、核电运行设备检测等场景。网络覆盖问题是智能物联网研究的核心问题之一。现有研究未充分挖掘节点的信息协同感测能力，未统筹考虑节点故障、恶意入侵、网络连通性等影响网络可靠性的因素，与实际应用场景尚有差距。本项目面向核工业中的核电生产管理关键应用，基于可信信息覆盖模型，结合人工智能框架下的深度强化学习、对比学习、图神经网络等理论和方法，研究智能物联网信息协同可靠覆盖问题。研究内容包括：（1）紧密契合多源异构数据协同感知的可信度需求，基于整数线性规划和强化学习，构建节点部署优化和睡眠调度策略，保障数据协同可信感知；（2）为降低节点通信失效率，提升数据传输成功率，基于对比学习、生成对抗网络，设计节点故障识别和通信容错调度方法，优化网络可靠通信性能；（3）为降低节点通信失效率，提升数据传输成功率，基于图卷积神经网络、张量，构建网络覆盖可靠性系统评估框架。研究成果可有效优化覆盖性能，延长网络寿命，优化通信性能，提高覆盖可靠性，保障服务质量，为智能物联网在核电生产、核电管理等关键领域的可靠部署和安全应用提供直接理论支撑和实践指导，同时对其它各类智慧应用也具有非常重要的理论价值和应用指导价值。