在工业物联网（IIoT）环境中，信任管理对于保障系统安全至关重要，尤其是面对资源受限的设备。传统信任模型往往忽略网络质量波动的影响，导致信任收敛缓慢且评估不准确。本文提出一种动态信任管理方案——信任收敛加速（TCA）方法，该方法集成机器学习（ML）以加速在恶劣网络条件下的信任收敛。TCA模型基于关键网络指标预测信任收敛所需的时间单位数，并动态调整信任模型中的转移概率以提升收敛速度。通过基于IEEE 802.11标准的真实Wi-Fi信道条件仿真框架，实验证明TCA方法在挑战性条件下可将信任收敛时间最多减少28.6%。此外，该方案在存在恶意节点的场景中表现出弹性，提高了信任评估的准确性。本工作为动态工业环境中的IIoT系统提供了可扩展、自适应的信任框架，确保在不同网络条件下具有稳健的性能。