RFID定位技術(shù)在虛擬裝配中的應(yīng)用

Application of RFID positioning technology in virtual assembly

郭桓宇，侯悅民，李 康GUO Huan-yu， HOU Yue-min， LI Kang（北京信息科技大學(xué) 機(jī)電工程學(xué)院，北京 100192）

RFID定位技術(shù)在虛擬裝配中的應(yīng)用

Application of RFID positioning technology in virtual assembly

郭桓宇，侯悅民，李 康
GUO Huan-yu， HOU Yue-min， LI Kang
（北京信息科技大學(xué) 機(jī)電工程學(xué)院，北京 100192）

旨在運(yùn)用RFID技術(shù)來(lái)輔助零部件裝配，實(shí)現(xiàn)一種在可視化界面實(shí)時(shí)顯示裝配過(guò)程的技術(shù)，因此需要獲取到零部件之間的相對(duì)位置關(guān)系。在分析現(xiàn)有RFID定位算法的基礎(chǔ)上，用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，再結(jié)合現(xiàn)有的RFID定位算法來(lái)實(shí)現(xiàn)零部件的相對(duì)位置估計(jì)。實(shí)驗(yàn)結(jié)果表明，零件定位精度較高，此定位方法可以應(yīng)用于虛擬裝配。

虛擬裝配；遺傳算法；BP神經(jīng)網(wǎng)絡(luò)；射頻識(shí)別

0　引言

隨著“中國(guó)制造2025”計(jì)劃的提出，智能制造逐漸成為業(yè)界關(guān)注的熱點(diǎn)。RFID技術(shù)憑借其強(qiáng)大的感知、識(shí)別、聯(lián)網(wǎng)、定位等功能已經(jīng)廣泛應(yīng)用于智能制造［1］。制造業(yè)的快速發(fā)展使得消費(fèi)者的需求也在不斷變化，因此在產(chǎn)品的設(shè)計(jì)、建模過(guò)程中須考慮用戶的想法，針對(duì)這種情況，本文提出一種基于RFID技術(shù)的虛擬現(xiàn)實(shí)交互裝配的方法，通過(guò)用RFID標(biāo)簽獲取各零部件的相對(duì)位置關(guān)系，再與零部件的三維模型進(jìn)行信息匹配，從而實(shí)現(xiàn)一種可視化虛擬裝配過(guò)程，用戶可以與企業(yè)技術(shù)人員及時(shí)溝通。本文主要針對(duì)RFID技術(shù)獲取零部件的相對(duì)位置關(guān)系進(jìn)行分析。

1　RFID定位技術(shù)

RFID是一種無(wú)線通信技術(shù)，通過(guò)射頻信號(hào)來(lái)識(shí)別特定目標(biāo)并讀取相關(guān)信息，實(shí)現(xiàn)一種無(wú)接觸式的自動(dòng)識(shí)別技術(shù)。RFID系統(tǒng)由閱讀器、應(yīng)答器（標(biāo)簽）、應(yīng)用軟件系統(tǒng)三部分組成。當(dāng)標(biāo)簽進(jìn)入讀寫器的磁場(chǎng)范圍后，標(biāo)簽接收讀寫器發(fā)出的射頻信號(hào)，并根據(jù)接收到的射頻信號(hào)發(fā)送出與之相匹配的標(biāo)簽信息，讀寫器讀取標(biāo)簽信息并解碼后，進(jìn)一步通過(guò)應(yīng)用軟件系統(tǒng)進(jìn)行數(shù)據(jù)處理，從而實(shí)現(xiàn)對(duì)標(biāo)簽的自動(dòng)識(shí)別［2］。

經(jīng)查閱文獻(xiàn)［3］可知基于RFID技術(shù)的主要定位算法如圖1所示。

圖1　RFID定位方法分類

文獻(xiàn)［4］對(duì)DV-Hop定位方法進(jìn)行了研究，該方法無(wú)需進(jìn)行測(cè)距，僅通過(guò)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的計(jì)算來(lái)獲取距離。但DV-Hop算法要求節(jié)點(diǎn)分布均勻、密集。當(dāng)節(jié)點(diǎn)移動(dòng)距離較小時(shí)，跳數(shù)信息變化不明顯，導(dǎo)致定位誤差較大，而且其網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，通信、計(jì)算開銷較大。文獻(xiàn)［5］為避免因讀寫器讀取標(biāo)簽失敗而導(dǎo)致TOA定位算法失效，運(yùn)用改進(jìn)的Monte Carlo算法對(duì)RFID標(biāo)簽進(jìn)行跟蹤。該算法要求標(biāo)簽與讀寫器的天線極化方向保持一致，如果天線出現(xiàn)極化失配現(xiàn)象時(shí)，定位誤差較大。文獻(xiàn)［6］考慮到標(biāo)簽RSSI值與距離的關(guān)系成非線性關(guān)系，通過(guò)比較Lagrange插值和Newton插值方法，采用牛頓插值法對(duì)參考標(biāo)簽的RSSI值進(jìn)行計(jì)算，然后運(yùn)用傳統(tǒng)的VIRE算法進(jìn)行定位。文獻(xiàn)［7］在分析TDOA與AOA定位方法的基礎(chǔ)之上，提出將RBF神經(jīng)網(wǎng)絡(luò)運(yùn)用于TDOA/ AOA混合定位的方法，先通過(guò)模擬退火遺傳算法對(duì)RBF網(wǎng)絡(luò)的參數(shù)和拓?fù)浣Y(jié)構(gòu)進(jìn)行優(yōu)化，再將訓(xùn)練后的網(wǎng)絡(luò)應(yīng)用在TDOA/AOA上，仿真結(jié)果表明此方法具有較高的定位精度。而且解決了傳統(tǒng)算法在NLOS環(huán)境中的定位精度差的問題。文獻(xiàn)［8］首先通過(guò)RFID定位系統(tǒng)讀取待測(cè)物體攜帶標(biāo)簽的信號(hào)強(qiáng)度值，然后運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)所得到的信號(hào)數(shù)據(jù)進(jìn)行訓(xùn)練，最后通過(guò)實(shí)驗(yàn)驗(yàn)證了其定位效果。文獻(xiàn)［9］先采用連續(xù)蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，再對(duì)RFID原始的RSSI值進(jìn)行訓(xùn)練。文獻(xiàn)［10］用卡爾曼濾波算法對(duì)接收到的信號(hào)強(qiáng)度值進(jìn)行濾波處理，再經(jīng)定位算法來(lái)估算目標(biāo)的位置信息，信號(hào)強(qiáng)度值經(jīng)過(guò)濾波后的準(zhǔn)確性明顯提高，這種定位方法避免了額外開銷與傳統(tǒng)定位方法的局限性。文獻(xiàn)［11］分析并比較了chan算法、LS算法、Taylor算法，并提出一種在非視距環(huán)境下的動(dòng)態(tài)定位算法，通過(guò)測(cè)量多組TDOA值，再用BP神經(jīng)網(wǎng)絡(luò)對(duì)TDOA值進(jìn)行修正，以消除NLOS導(dǎo)致的誤差。最后用chan算法對(duì)目標(biāo)進(jìn)行位置估計(jì)。通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)TDOA值修正后，有效地抑制了NLOS誤差，而且定位精度明顯提高。文獻(xiàn)［12］采用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練RSSI值的方法對(duì)目標(biāo)物體進(jìn)行定位，并對(duì)盲點(diǎn)區(qū)域的坐標(biāo)值用泰勒級(jí)數(shù)展開的方法進(jìn)行擬合，該方法避免了對(duì)信號(hào)傳播模型中參數(shù)的擬合，而且定位精度有明顯提升。文獻(xiàn)［13］先通過(guò)高斯濾波算法將初始數(shù)據(jù)（RSSI）預(yù)處理，排除噪聲干擾和異常數(shù)據(jù)等，再采用模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練RSSI值的方法對(duì)目標(biāo)物體進(jìn)行定位，該方法同時(shí)適用于靜態(tài)定位和動(dòng)態(tài)定位。文獻(xiàn)［14］將反饋機(jī)制引入到信號(hào)傳播模型中，根據(jù)環(huán)境的變化自動(dòng)調(diào)整路徑損耗系數(shù)。文獻(xiàn)［15］分析了粒子濾波算法和用PSO優(yōu)化PSOPF的算法，由于粒子濾波的采樣個(gè)數(shù)不變，故無(wú)法適應(yīng)狀態(tài)空間隨時(shí)間的變化，而優(yōu)化的PSOPF算法雖然解決了上述問題，但無(wú)法體現(xiàn)數(shù)據(jù)進(jìn)化的特點(diǎn)，而且欠考慮優(yōu)化均衡問題。為了解決RFID初始數(shù)據(jù)的不確定性問題，作者提出一種不確定性度量方法（AMUR），從而改善粒子退化和貧化問題，提升了位置估計(jì)精度。文獻(xiàn)［16］考慮到多徑反射效應(yīng)的干擾，一改傳統(tǒng)的基于信號(hào)傳播損耗模型的測(cè)距方法，而是采用RSSI指紋庫(kù)的測(cè)距方法，然后對(duì)BP神經(jīng)網(wǎng)絡(luò)和樸素貝葉斯定位模型進(jìn)行了比較，最后用BP神經(jīng)網(wǎng)絡(luò)對(duì)RSSI值進(jìn)行訓(xùn)練來(lái)獲取目標(biāo)位置信息。

通過(guò)分析上述文獻(xiàn)可知，只有在一些定位場(chǎng)景較大而且對(duì)定位精度要求不是很高的情況才采用非測(cè)距的定位方法。在基于測(cè)距的定位方法中，由于基于TDOA很難保證各閱讀器同步、基于TOA因NLOS的干擾導(dǎo)致測(cè)量值誤差較大，而基于RSSI值的定位方法簡(jiǎn)單且成本低。故多數(shù)文獻(xiàn)采用了基于RSSI測(cè)量值的方法。

通過(guò)比較上述文獻(xiàn)采用的定位方法，考慮到定位方法的精度、成本、便攜性，本文最終采用基于RSSI測(cè)量值的方法進(jìn)行實(shí)驗(yàn)，再在MATLAB中通過(guò)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練并驗(yàn)證其可行性。為去除環(huán)境干擾和異常信號(hào)等，采用卡爾曼濾波方法對(duì)原始數(shù)據(jù)進(jìn)行濾波處理。為避免BP神經(jīng)網(wǎng)絡(luò)陷入局部最小，采用傳統(tǒng)的遺傳算法對(duì)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化。最后將處理后的數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練輸入值。

2　RFID定位算法模型

2.1實(shí)驗(yàn)布局

將參考標(biāo)簽的位置坐標(biāo)（x， y）T按照標(biāo)簽序號(hào)記錄，參考標(biāo)簽及天線的分布示意圖如圖2所示。

圖2　天線及參考元件位置圖

2.2BP神經(jīng)網(wǎng)絡(luò)模型

根據(jù)參考標(biāo)簽的RSSI值與對(duì)應(yīng)坐標(biāo)之間的關(guān)系，確定BP神經(jīng)網(wǎng)絡(luò)的輸入層為四個(gè)天線讀取的RSSI值（p1，p2，p3，p4）T，輸出層為對(duì)應(yīng)參考標(biāo)簽的實(shí)際坐標(biāo)（x，y）T以及對(duì)角線天線之間的距離z，故輸出層為（x， y， z）T，隱含層節(jié)點(diǎn)數(shù)計(jì)算公式為：n=a+（n0+n1）/2［17］，其中a為1～10之間的常數(shù)，n0為輸入層節(jié)點(diǎn)數(shù)，n1為輸出層節(jié)點(diǎn)數(shù)，所以隱含層的節(jié)點(diǎn)就確定為4～13，對(duì)不同的網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)進(jìn)行多次測(cè)試后，當(dāng)節(jié)點(diǎn)數(shù)為12時(shí)的預(yù)測(cè)精度最高而且收斂速度相對(duì)較快。因此本次實(shí)驗(yàn)?zāi)Ｐ偷碾[含層節(jié)點(diǎn)數(shù)為：n=12。綜上，BP神經(jīng)網(wǎng)絡(luò)模型采用4：12：3的網(wǎng)絡(luò)結(jié)構(gòu)。網(wǎng)絡(luò)函數(shù)及參數(shù)設(shè)置的一般過(guò)程與現(xiàn)有BP神經(jīng)網(wǎng)絡(luò)有關(guān)文獻(xiàn)的設(shè)置方法類似，本文不再贅述。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

圖3　前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3　遺傳算法優(yōu)化BP網(wǎng)絡(luò)流程

當(dāng)BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)確定以后，首先初始化網(wǎng)絡(luò)的權(quán)值和閾值。遺傳算法個(gè)體長(zhǎng)度由BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的輸入輸出參數(shù)個(gè)數(shù)決定，進(jìn)而確定遺傳算法個(gè)體的長(zhǎng)度。個(gè)體通過(guò)適應(yīng)度函數(shù)計(jì)算個(gè)體適應(yīng)度值，然后通過(guò)遺傳算法的一般流程操作尋找到最優(yōu)適應(yīng)度值對(duì)應(yīng)個(gè)體。再根據(jù)最優(yōu)個(gè)體對(duì)BP網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行賦值，網(wǎng)絡(luò)訓(xùn)練完再根據(jù)預(yù)測(cè)函數(shù)輸出。算法流程如圖4所示。

圖4　算法流程

4　實(shí)驗(yàn)分析及結(jié)論

經(jīng)遺傳算法優(yōu)化，最優(yōu)個(gè)體適應(yīng)度值變化如圖5所示。

圖5　最優(yōu)個(gè)體適應(yīng)度值

圖6　GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差

把最優(yōu)的權(quán)值和閾值賦給神經(jīng)網(wǎng)絡(luò)，用處理后的RSSI數(shù)據(jù)訓(xùn)練多次預(yù)測(cè)非線性函數(shù)輸出，預(yù)測(cè)誤差如圖6所示，從圖中可以看出，遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)誤差得到了很大改善，因此基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的方法控制有效，測(cè)試數(shù)據(jù)的實(shí)際坐標(biāo)位置及零件之間相互位置關(guān)系如圖7所示，定位效果比較理想，基本符合實(shí)際情況。從圖8可知，迭代進(jìn)行到6次的時(shí)候，誤差達(dá)最小值，當(dāng)?shù)?2次時(shí)，誤差達(dá)到穩(wěn)定值而結(jié)束。實(shí)驗(yàn)結(jié)果（圖9）表明，基于BP神經(jīng)網(wǎng)絡(luò)的RFID標(biāo)簽坐標(biāo)位置訓(xùn)練精度達(dá)到98.03%，預(yù)測(cè)精度為95.22%。綜上實(shí)驗(yàn)及仿真結(jié)果可知，通過(guò)卡爾曼濾波處理原始數(shù)據(jù)以及遺傳算法優(yōu)化BP網(wǎng)絡(luò)的權(quán)值和閾值使得定位效果良好，系統(tǒng)的定位性能較高，可以對(duì)虛擬現(xiàn)實(shí)交互裝配進(jìn)行下一步研究。

圖7　測(cè)試零件與實(shí)際坐標(biāo)對(duì)比

圖8　仿真結(jié)果

圖9　訓(xùn)練結(jié)果與測(cè)試結(jié)果分布圖

［1］ 尹周平，陶波.智能制造與R F I D技術(shù)［J］.航空制造技術(shù)，2014，03：32-35.

［2］ 吳歡歡，周建平，許燕，李潤(rùn)萍.RFID發(fā)展及其應(yīng)用綜述［J］.計(jì)算機(jī)應(yīng)用與軟件，2013，12：203-206.

［3］ 吳超，張磊，張琨.基于BP神經(jīng)網(wǎng)絡(luò)的RFID室內(nèi)定位算法研究［J］.計(jì)算機(jī)仿真，2015，07：323-326.

［4］ 林惠強(qiáng)，周佩嬌，劉才興，徐東風(fēng).改進(jìn)DV-Hop定位算法在動(dòng)物監(jiān)測(cè)中的應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報(bào)，2009，09：192-196.

［5］ 林敏，鮑煦，王剛.改進(jìn)Monte Carlo算法用于RFID標(biāo)簽的室內(nèi)定位［J］.微計(jì)算機(jī)信息，2008，14：203-204，275.

［6］ 陳家琪，嚴(yán)梓乘.一種Newton插值的RFID室內(nèi)定位改進(jìn)算法［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2012，01：45-48.

［7］ 張寶軍，盧光躍.基于SA-GA算法RBF神經(jīng)網(wǎng)絡(luò)的TDOA/AOA定位算法［J］.西北大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，04：575-578.

［8］ 徐平，沙從術(shù)，趙芳杰.BP神經(jīng)網(wǎng)絡(luò)在射頻識(shí)別定位系統(tǒng)中的應(yīng)用研究［J］.電子技術(shù)應(yīng)用，2016，02：64-67.

［9］ 王晨，陳增強(qiáng).基于連續(xù)蟻群算法融合的神經(jīng)網(wǎng)絡(luò)RFID信號(hào)分布模型［J］.東南大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，S1：210-214.

［10］ 曹春萍，羅玲莉.基于卡爾曼濾波算法的室內(nèi)無(wú)線定位系統(tǒng)［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2011，11：76-79.

［11］ 毛永毅，周康磊.基于BP神經(jīng)網(wǎng)絡(luò)的定位跟蹤算法［J］.計(jì)算機(jī)工程與應(yīng)用，2011，20：238-240.

［12］ 張會(huì)清，石曉偉，鄧貴華，高學(xué)金，任明榮.基于BP神經(jīng)網(wǎng)絡(luò)和泰勒級(jí)數(shù)的室內(nèi)定位算法研究［J］.電子學(xué)報(bào)，2012，09：1876-1879.

［13］ 陳增強(qiáng)，國(guó)峰，張青.基于模糊神經(jīng)網(wǎng)絡(luò)建模的RFID室內(nèi)定位算法［J］.系統(tǒng)科學(xué)與數(shù)學(xué)，2014，12：1438-1450.

［14］ 賈若，張琨，張磊.自適應(yīng)RFID室內(nèi)定位算法研究［J］.計(jì)算機(jī)仿真，2014，09：33-37.

［15］ 王永利，錢江波，孫淑榮，張功萱，劉冬梅.AMUR：一種RFID數(shù)據(jù)不確定性的自適應(yīng)度量算法［J］.電子學(xué)報(bào)，2011，03：579-584.

［16］ 汪凱雷，張靖暹，李翔，王華昌，李建軍.基于機(jī)器學(xué)習(xí)的RFID定位技術(shù)在模具行業(yè)的應(yīng)用研究［J］.模具工業(yè)，2014，04：11-14.

［17］ 劉雪，李亞妹，劉嬌，鐘蒙蒙，陳余，李興民.基于BP神經(jīng)網(wǎng)絡(luò)的鮮雞蛋貨架期預(yù)測(cè)模型［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，10：328-334.

TP391.9

B

1009-0134（2016）08-0073-04

2016-05-15

國(guó)家自然科學(xué)基金資助項(xiàng)目（51175284）；北京市教委科研基金資助項(xiàng)（SQKM201211232002）

郭桓宇（1990 -），男，山西朔州人，碩士研究生，研究方向?yàn)閯?dòng)力學(xué)分析及仿真研究。