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)來輔助零部件裝配，實(shí)現(xiàn)一種在可視化界面實(shí)時顯示裝配過程的技術(shù)，因此需要獲取到零部件之間的相對位置關(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定位算法來實(shí)現(xiàn)零部件的相對位置估計(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)；射頻識別

0　引言

隨著“中國制造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)、建模過程中須考慮用戶的想法，針對這種情況，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，通過用RFID標(biāo)簽獲取各零部件的相對位置關(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程，用戶可以與企業(yè)技術(shù)人員及時溝通。本文主要針對RFID技術(shù)獲取零部件的相對位置關(guān)系進(jìn)行分析。

1　RFID定位技術(shù)

RFID是一種無線通信技術(shù)，通過射頻信號來識別特定目標(biāo)并讀取相關(guān)信息，實(shí)現(xiàn)一種無接觸式的自動識別技術(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)入讀寫器的磁場范圍后，標(biāo)簽接收讀寫器發(fā)出的射頻信號，并根據(jù)接收到的射頻信號發(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)一步通過應(yīng)用軟件系統(tǒng)進(jìn)行數(shù)據(jù)處理，從而實(shí)現(xiàn)對標(biāo)簽的自動識別［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DV-Hop定位方法進(jìn)行了研究，該方法無需進(jìn)行測距，僅通過網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的計(jì)算來獲取距離。但DV-Hop算法要求節(jié)點(diǎn)分布均勻、密集。當(dāng)節(jié)點(diǎn)移動距離較小時，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，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，通過比較Lagrange插值和Newton插值方法，采用牛頓插值法對參考標(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，先通過模擬退火遺傳算法對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RFID定位系統(tǒng)讀取待測物體攜帶標(biāo)簽的信號強(qiáng)度值，然后運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對所得到的信號數(shù)據(jù)進(jìn)行訓(xùn)練，最后通過實(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接收到的信號強(qiáng)度值進(jìn)行濾波處理，再經(jīng)定位算法來估算目標(biāo)的位置信息，信號強(qiáng)度值經(jīng)過濾波后的準(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)境下的動態(tài)定位算法，通過測量多組TDOA值，再用BP神經(jīng)網(wǎng)絡(luò)對TDOA值進(jìn)行修正，以消除NLOS導(dǎo)致的誤差。最后用chan算法對目標(biāo)進(jìn)行位置估計(jì)。通過BP神經(jīng)網(wǎng)絡(luò)對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值的方法對目標(biāo)物體進(jìn)行定位，并對盲點(diǎn)區(qū)域的坐標(biāo)值用泰勒級數(shù)展開的方法進(jìn)行擬合，該方法避免了對信號傳播模型中參數(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值的方法對目標(biāo)物體進(jìn)行定位，該方法同時適用于靜態(tài)定位和動態(tài)定位。文獻(xiàn)［14］將反饋機(jī)制引入到信號傳播模型中，根據(jù)環(huán)境的變化自動調(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數(shù)不變，故無法適應(yīng)狀態(tài)空間隨時間的變化，而優(yōu)化的PSOPF算法雖然解決了上述問題，但無法體現(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)的基于信號傳播損耗模型的測距方法，而是采用RSSI指紋庫的測距方法，然后對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RSSI值進(jìn)行訓(xùn)練來獲取目標(biāo)位置信息。

通過分析上述文獻(xiàn)可知，只有在一些定位場景較大而且對定位精度要求不是很高的情況才采用非測距的定位方法。在基于測距的定位方法中，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)致測量值誤差較大，而基于RSSI值的定位方法簡單且成本低。故多數(shù)文獻(xiàn)采用了基于RSSI測量值的方法。

通過比較上述文獻(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測量值的方法進(jìn)行實(shí)驗(yàn)，再在MATLAB中通過BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練并驗(yàn)證其可行性。為去除環(huán)境干擾和異常信號等，采用卡爾曼濾波方法對原始數(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)的輸入層為四個天線讀取的RSSI值（p1，p2，p3，p4）T，輸出層為對應(yīng)參考標(biāo)簽的實(shí)際坐標(biāo)（x，y）T以及對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，對不同的網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)進(jìn)行多次測試后，當(dāng)節(jié)點(diǎn)數(shù)為12時的預(yù)測精度最高而且收斂速度相對較快。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。遺傳算法個體長度由BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的輸入輸出參數(shù)個數(shù)決定，進(jìn)而確定遺傳算法個體的長度。個體通過適應(yīng)度函數(shù)計(jì)算個體適應(yīng)度值，然后通過遺傳算法的一般流程操作尋找到最優(yōu)適應(yīng)度值對應(yīng)個體。再根據(jù)最優(yōu)個體對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)個體適應(yīng)度值變化如圖5所示。

圖5　最優(yōu)個體適應(yīng)度值

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

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)測非線性函數(shù)輸出，預(yù)測誤差如圖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次的時候，誤差達(dá)最小值，當(dāng)?shù)?2次時，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)測精度為95.22%。綜上實(shí)驗(yàn)及仿真結(jié)果可知，通過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，可以對虛擬現(xiàn)實(shí)交互裝配進(jìn)行下一步研究。

圖7　測試零件與實(shí)際坐標(biāo)對比

圖8　仿真結(jié)果

圖9　訓(xùn)練結(jié)果與測試結(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定位算法在動物監(jiān)測中的應(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)閯恿W(xué)分析及仿真研究。