王志忠+馬連成+王永增+吳雅南+李希飛+張航+何杰

摘 要：布料車是工業(yè)現(xiàn)場(chǎng)一種常見的軌道車，傳統(tǒng)人工控制效率較低。文中設(shè)計(jì)了一種基于信號(hào)傳播時(shí)間技術(shù)的布料車定位系統(tǒng)，并將定位結(jié)果轉(zhuǎn)化為4～20 mA的PLC控制信號(hào)后接入布料車控制系統(tǒng)中，實(shí)現(xiàn)了基于精確定位的布料車自動(dòng)控制。文中開發(fā)了布料車定位系統(tǒng)的實(shí)際硬件，利用均值濾波、卡爾曼濾波等算法實(shí)現(xiàn)了布料車的精確定位。將該系統(tǒng)部署到鞍山鋼鐵集團(tuán)公司的實(shí)際工業(yè)現(xiàn)場(chǎng)，現(xiàn)場(chǎng)測(cè)試結(jié)果顯示該系統(tǒng)具有很好的定位精度，能夠滿足工業(yè)現(xiàn)場(chǎng)布料車控制的需求。

關(guān)鍵詞：超寬帶；無線定位；時(shí)間到達(dá)；工業(yè)物聯(lián)網(wǎng)；布料車；室內(nèi)定位

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2017）03-00-04

0 引 言

目前，傳統(tǒng)工業(yè)正在向智能制造的方向快速發(fā)展。中國(guó)、美國(guó)、德國(guó)、日本等主要工業(yè)大國(guó)都提出了各自的智能工業(yè)發(fā)展計(jì)劃。在智能制造中，基于工業(yè)物聯(lián)網(wǎng)的狀態(tài)監(jiān)測(cè)和控制將成為一種重要的基礎(chǔ)設(shè)施。積極開展工業(yè)物聯(lián)網(wǎng)的實(shí)際應(yīng)用嘗試能夠加快工業(yè)物聯(lián)網(wǎng)的產(chǎn)業(yè)化進(jìn)程并加速我國(guó)傳統(tǒng)制造業(yè)的智能化改造。在工業(yè)環(huán)境中，移動(dòng)目標(biāo)的控制是一項(xiàng)重要工作。對(duì)移動(dòng)目標(biāo)進(jìn)行精確定位是移動(dòng)目標(biāo)自動(dòng)控制的基礎(chǔ)。布料車是一種將物料投放到不同料倉的軌道布料車，是一種典型工業(yè)環(huán)境中的移動(dòng)目標(biāo)。傳統(tǒng)的操作方式是操作員控制布料車運(yùn)行到所需投放的料倉位置，然后再進(jìn)行物料投放。這種方式需要通過觀察布料車的當(dāng)前位置來實(shí)現(xiàn)控制，效率低、人力成本高。利用室內(nèi)定位技術(shù)對(duì)布料車的位置進(jìn)行實(shí)時(shí)精確定位，實(shí)現(xiàn)布料車的自動(dòng)控制。布料車定位是室內(nèi)定位技術(shù)在工業(yè)現(xiàn)場(chǎng)的典型應(yīng)用。

室內(nèi)定位技術(shù)是多移動(dòng)物體軌跡相關(guān)性分析、室內(nèi)目標(biāo)跟蹤、基于位置的服務(wù)、移動(dòng)機(jī)器人等應(yīng)用系統(tǒng)研發(fā)的核心，已得到廣泛重視與研究。尤其伴隨著射頻信號(hào)處理技術(shù)的發(fā)展，基于射頻信號(hào)測(cè)距的室內(nèi)定位技術(shù)被創(chuàng)新地應(yīng)用到諸多領(lǐng)域[1]。如全球定位系統(tǒng)GPS無法覆蓋的室內(nèi)、隧道、礦井，通過基于射頻信號(hào)測(cè)距進(jìn)行目標(biāo)定位，實(shí)現(xiàn)基于位置的服務(wù)。應(yīng)用室內(nèi)定位技術(shù)進(jìn)行多目標(biāo)跟蹤，通過分析多移動(dòng)目標(biāo)軌跡的相關(guān)性，實(shí)現(xiàn)智能物資人力管理、智能醫(yī)療、公共場(chǎng)所安全防務(wù)、高危行業(yè)的安全級(jí)別提升等。通過距離或位置監(jiān)測(cè)控制機(jī)器人的運(yùn)動(dòng)，以及在無線傳感器網(wǎng)絡(luò)中應(yīng)用位置信息進(jìn)行路由通路選擇等。射頻信號(hào)測(cè)距方法有很多[2-5]，包括基于接收信號(hào)強(qiáng)度（Received Signal Strength Indicator，RSSI）的測(cè)距、基于信號(hào)傳播時(shí)間（Time of Arrival，TOA）的測(cè)距、基于信號(hào)傳播時(shí)間差（Time Difference of Arrival，TDOA）的測(cè)距、基于接收信號(hào)角度（Angle of Arrival，AOA）的測(cè)距[6]、基于接收信號(hào)相位差（Phase Difference of Arrival，PDOA）的測(cè)距等?；赗SSI測(cè)距是在已知發(fā)射功率的前提下，通過測(cè)量接收方的信號(hào)強(qiáng)度RSSI來計(jì)算兩點(diǎn)之間的距離。這種方法雖然符合低功率、低成本的要求，但可能產(chǎn)生±50%的測(cè)距誤差，被認(rèn)為是一種不可靠的定位方法[5]?；赥OA測(cè)距[7]通過測(cè)量一個(gè)往返過程中信號(hào)（RF、超聲波等）傳輸時(shí)間來計(jì)算發(fā)送方到接收方的距離。基于TDOA測(cè)距首先需要進(jìn)行節(jié)點(diǎn)間時(shí)鐘同步，然后通過測(cè)量信號(hào)發(fā)出時(shí)間和信號(hào)接收時(shí)間來計(jì)算兩節(jié)點(diǎn)間的距離?；赥OA測(cè)距和基于TDOA測(cè)距都能達(dá)到較高精度，但基于TDOA測(cè)距對(duì)硬件配置要求高，因此成本較高[3]。與基于RSSI測(cè)距及基于TOA/TDOA測(cè)距不同，基于AOA的測(cè)距利用鄰居節(jié)點(diǎn)提供的方位或角度信息來確定節(jié)點(diǎn)間的距離，需要專用硬件支持。因此，基于TOA測(cè)距被公認(rèn)為一種性價(jià)比較高的方法。

本文設(shè)計(jì)了一種基于TOA的布料車定位系統(tǒng)，開發(fā)了布料車定位系統(tǒng)的硬件和定位算法，并將該系統(tǒng)部署到了鞍山鋼鐵集團(tuán)公司的實(shí)際工業(yè)現(xiàn)場(chǎng)中?，F(xiàn)場(chǎng)測(cè)試實(shí)驗(yàn)結(jié)果顯示該系統(tǒng)具有良好的定位精度，能滿足工業(yè)現(xiàn)場(chǎng)布料車控制的需求。

1 系統(tǒng)結(jié)構(gòu)與硬件設(shè)計(jì)

1.1 系統(tǒng)結(jié)構(gòu)

本系統(tǒng)利用TOA定位技術(shù)對(duì)布料車進(jìn)行實(shí)時(shí)定位，系統(tǒng)結(jié)構(gòu)如圖1所示，包括錨節(jié)點(diǎn)（Anchor）、標(biāo)簽（Tag）和匯聚 （Sink）。由于布料車運(yùn)行在一維軌道上，本系統(tǒng)在軌道兩端正上方各安裝了1個(gè)錨節(jié)點(diǎn)。標(biāo)簽節(jié)點(diǎn)安裝在布料車上，實(shí)現(xiàn)與錨節(jié)點(diǎn)測(cè)距和自身位置坐標(biāo)的計(jì)算，并將計(jì)算結(jié)果發(fā)送給匯聚節(jié)點(diǎn)。匯聚節(jié)點(diǎn)連接到布料車的控制系統(tǒng)中，將從標(biāo)簽接收到的數(shù)據(jù)轉(zhuǎn)發(fā)給布料車控制系統(tǒng)，實(shí)現(xiàn)布料車的自動(dòng)控制。

1.2 硬件設(shè)計(jì)

布料車定位系統(tǒng)的主要功能為定位和數(shù)據(jù)通信。在多金屬的工業(yè)現(xiàn)場(chǎng)室內(nèi)環(huán)境中，大量金屬設(shè)備造成嚴(yán)重的多徑傳輸現(xiàn)象，并影響測(cè)距/定位精度和數(shù)據(jù)傳輸可靠性。為降低多徑傳輸對(duì)系統(tǒng)的影響，本文在測(cè)距/定位射頻模塊和數(shù)據(jù)通信射頻模塊進(jìn)行了有針對(duì)性的選型。

1.2.1 測(cè)距/定位射頻模塊

目前，TOA（Time of Arrival，TOA）是最為常用的高精度測(cè)距技術(shù)，其原理是測(cè)量信號(hào)在介質(zhì)中的傳輸時(shí)間，進(jìn)而計(jì)算出信號(hào)的傳輸距離。 IEEE 802.15.4a標(biāo)準(zhǔn)定義了TOA技術(shù)的兩種物理層通信技術(shù)：Chirp擴(kuò)頻技術(shù)（Chirp Spread Spectrum， CSS[7]）和超寬帶技術(shù)（Ultra-Wide Band， UWB）[8，9]。其中，CSS技術(shù)的通信頻率為2.40～2.483 GHz，通信帶寬為83 MHz；UWB技術(shù)的通信頻率為3.1～10 GHz，通信帶寬至少要達(dá)到500 MHz[10]。兩種技術(shù)的典型芯片分別為基于CCS物理層的NanoLOC和基于UWB物理層的DW1000[11，12]。對(duì)于TOA測(cè)距而言，帶寬越寬則對(duì)抗多徑干擾的能力越強(qiáng)。因此，本文選擇DW1000作為測(cè)距芯片。

1.2.2 數(shù)據(jù)通信射頻模塊

由于布料車與控制系統(tǒng)之間的距離較遠(yuǎn)，使用UWB技術(shù)無法滿足通信距離的要求。本文選擇433 MHz的SX1276[13]作為數(shù)據(jù)通信射頻模塊。433 MHz是ISM公開頻段，波長(zhǎng)較長(zhǎng)，具有較好的繞射能力。與傳統(tǒng)的433 MHz射頻芯片相比，SX1276使用了線性擴(kuò)頻技術(shù)，提升了對(duì)抗多徑干擾的能力，進(jìn)而提高了接收靈敏度、通信距離和傳輸可靠性。

其他硬件主要包括微控制器STM32103F、220 V/380 V轉(zhuǎn)5 V電源模塊、布料車控制系統(tǒng)接口模塊等。

錨節(jié)點(diǎn)、標(biāo)簽和匯聚的硬件模塊結(jié)構(gòu)分別如圖2（a） ，圖2 （b） ，圖2 （c）所示。

2 布料車定位算法

TOA測(cè)距精度主要受多徑傳輸、非視距傳輸和到達(dá)時(shí)間檢測(cè)精度的影響。前兩者取決于系統(tǒng)部署環(huán)境，后者取決于硬件本身的實(shí)現(xiàn)。在布料車定位系統(tǒng)中，可以通過Anchor節(jié)點(diǎn)和Tag節(jié)點(diǎn)安裝位置的選擇來避免非視距，但多徑傳輸和到達(dá)時(shí)間檢測(cè)精度無法避免。為減少多徑傳輸和到達(dá)時(shí)間檢查精度的影響，提高系統(tǒng)定位精度，本文采用如下做法：

（1）在TOA測(cè)距的基礎(chǔ)上，對(duì)測(cè)距結(jié)果進(jìn)行均值濾波，提高測(cè)距精度；

（2）采用一維質(zhì)心定位算法，計(jì)算Tag的坐標(biāo)；

（3）采用卡爾曼濾波算法對(duì)定位結(jié)果進(jìn)行平滑。

2.1 TOA測(cè)距算法和均值濾波算法

本系統(tǒng)采用無線測(cè)量基于信號(hào)到達(dá)時(shí)間（Time of Arrival，TOA）的距離測(cè)量方法，其工作原理如圖3所示。

Tag和Anchor為進(jìn)行TOA測(cè)距的兩個(gè)節(jié)點(diǎn)。T1為Tag向Anchor發(fā)送Ranging Data的時(shí)刻；T2為Anchor收到Ranging Data的時(shí)刻；T3為Anchor向Tag發(fā)送ACK的時(shí)刻；T4為Tag收到ACK的時(shí)刻。Tag和Anchor通過本地時(shí)鐘分別測(cè)量發(fā)射和接收的時(shí)間長(zhǎng)度，計(jì)算出信號(hào)在兩個(gè)設(shè)備之間的傳輸時(shí)間。設(shè)備之間的距離由公式（1）得出：

其中，c為光速。

本文采用了均值濾波算法（也稱為鄰域平均法）來進(jìn)一步提高測(cè)距精度。均值濾波的基本原理是用均值代替m個(gè)原測(cè)距值，每隔m個(gè)測(cè)距值，取一個(gè)均值作為當(dāng)前測(cè)距值，如式（2）所示：

2.2 一維質(zhì)心定位算法

布料車運(yùn)行在一維軌道上，因此可以采用一維質(zhì)心定位算法，其原理如圖4所示。整個(gè)坐標(biāo)系所在平面為布料車所在軌道、AnchorA和AnchorB一起構(gòu)成的平面，以布料車運(yùn)行起點(diǎn)為坐標(biāo)原點(diǎn)，軌道為X軸，高度為Y軸。兩個(gè)錨節(jié)點(diǎn)坐標(biāo)分別為AnchorA（XA，YA）和AnchorB（XB，YB）；未知標(biāo)簽節(jié)點(diǎn)Tag（XT，0）。AnchorA到Tag測(cè)得的距離為DISA，因?yàn)橹荒軠y(cè)到距離值，所以Tag有可能在AnchorA的左邊或右邊，設(shè)為DISA1、DISA2。AnchorB到Tag測(cè)得的距離為DISB，同理，得到DISB1、DISB2。通過勾股定理能夠計(jì)算出X軸到AnchorA的距離為DISA的兩個(gè)點(diǎn)（X1，0）和（X2，0），到AnchorB的距離為DISB的兩個(gè)點(diǎn)（X3，0）和（X4，0）。X1、X2、X3、X4的值由式（3）得出：

對(duì)兩個(gè)候選坐標(biāo)求平均獲得Tag的坐標(biāo)，由式（5）求得：

2.3 卡爾曼濾波算法

本系統(tǒng)對(duì)定位結(jié)果采用卡爾曼濾波（Kalman Filtering），以提高定位精度。卡爾曼濾波是一種利用線性系統(tǒng)狀態(tài)方程，通過系統(tǒng)輸入輸出觀測(cè)數(shù)據(jù)，對(duì)系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法。由于觀測(cè)數(shù)據(jù)中包括系統(tǒng)中的噪聲和干擾影響，所以最優(yōu)估計(jì)也可看作濾波過程。

首先利用系統(tǒng)的過程模型來預(yù)測(cè)下一時(shí)刻布料車的位置。假設(shè)現(xiàn)在的系統(tǒng)狀態(tài)是k，根據(jù)系統(tǒng)模型，可以基于布料車上一時(shí)刻的位置信息而預(yù)測(cè)出當(dāng)前位置：

式（6）中， X（k-1|k-1）是k-1時(shí)刻布料車的位置， X（k|k-1）是k時(shí)刻布料車的位置，U（k）是k時(shí)刻對(duì)系統(tǒng)的控制量，在該系統(tǒng)中表示布料車移動(dòng)的加速度，因?yàn)椴剂宪嚍閯蛩傩旭偅訳=0。A和B是系統(tǒng)參數(shù)，對(duì)于多模型系統(tǒng)，其為矩陣，本系統(tǒng)中A=1。

用P表示協(xié)方差（covariance），則：

式（7）中， P（k|k-1）是X（k|k-1）對(duì)應(yīng)的協(xié)方差， P（k-1|k-1）是X （k-1|k-1）對(duì)應(yīng)的協(xié)方差， A'表示A的轉(zhuǎn)置矩陣，Q是系統(tǒng)過程的協(xié)方差。

得到布料車位置的預(yù)測(cè)結(jié)果，再收集現(xiàn)在位置的測(cè)量值。結(jié)合預(yù)測(cè)值和測(cè)量值，可以得到當(dāng)前位置（k）的最優(yōu)化估算值X（k|k），如式（8）所示：

3 驗(yàn)證

為了測(cè)試驗(yàn)證系統(tǒng)的有效性，對(duì)系統(tǒng)進(jìn)行實(shí)際場(chǎng)景下的測(cè)試分析。測(cè)試環(huán)境和測(cè)試節(jié)點(diǎn)如圖5所示，軌道長(zhǎng)度160 m。系統(tǒng)測(cè)試包括測(cè)距和定位兩方面。

3.1 測(cè)距精度分析

本文在實(shí)際場(chǎng)景中進(jìn)行了大量測(cè)距實(shí)驗(yàn)，并統(tǒng)計(jì)了測(cè)距誤差累計(jì)分布（Cumulative Distribution Figure， CDF）和測(cè)距誤差的均值和方差。對(duì)均值濾波后的測(cè)距誤差和均值濾波前的原始測(cè)距誤差進(jìn)行對(duì)比。測(cè)距誤差定義如式（11）所示：

式中，Δd為測(cè)距誤差，為測(cè)距值，d為真實(shí)距離。

均值濾波前后的CDF對(duì)比如圖6所示，均值和方差對(duì)比見表1所列。通過對(duì)比可知均值濾波后的測(cè)距誤差小于均值濾波前的原始測(cè)距誤差。因此，均值濾波能夠起到提高測(cè)距精度的作用。

3.2 定位結(jié)果分析

在定位結(jié)果分析中，本文統(tǒng)計(jì)了定位誤差累計(jì)分布（Cumulative Distribution Figure， CDF）和測(cè)距誤差的均值和方差。對(duì)卡爾曼濾波后的定位誤差和卡爾曼濾波前的原始測(cè)距誤差進(jìn)行對(duì)比。由于是一維定位，因此定位誤差定義如式（12）所示：

式中，e為定位誤差，為標(biāo)簽的X軸定位結(jié)果，XT為標(biāo)簽的X軸真實(shí)坐標(biāo)。

卡爾曼濾波前后的定位誤差CDF對(duì)比如圖7所示，定位誤差均值和方差對(duì)比見表2所列。通過對(duì)比可知，卡爾曼濾波后的定位誤差小于濾波前的原始測(cè)距誤差。因此，卡爾曼濾波能夠起到提高定位精度的作用。

4 結(jié) 語

布料車定位是室內(nèi)定位技術(shù)在工業(yè)現(xiàn)場(chǎng)的一種典型應(yīng)用。本文設(shè)計(jì)了一種基于TOA的布料車定位系統(tǒng)，設(shè)計(jì)并開發(fā)了布料車定位系統(tǒng)的硬件和定位算法，并將該系統(tǒng)部署到了鞍山鋼鐵集團(tuán)公司的實(shí)際工業(yè)現(xiàn)場(chǎng)中?，F(xiàn)場(chǎng)測(cè)試實(shí)驗(yàn)結(jié)果顯示，該系統(tǒng)具有較高的定位精度，能夠滿足工業(yè)現(xiàn)場(chǎng)布料車控制的需求。

參考文獻(xiàn)

[1] Liu H， Darabi H， Banerjee P， et al. Survey of wireless indoor positioning techniques and systems[J].IEEE Transactions on Systems， Man， and Cybernetics， Part C （Applications and Reviews）， 2007， 37（6）： 1067-1080.

[2]于峰.無線傳感器網(wǎng)絡(luò)定位研究[D].北京：北京科技大學(xué)， 2009.

[3] Alsindi N， Li X， Pahlavan K. Performance of TOA estimation algorithms in different indoor multipath conditions[C].Wireless Communications and Networking Conference， 2004. WCNC. 2004 IEEE. IEEE， 2004： 495-500.

[4] PATWARI N. Location estimation in sensor networks（PhD. Thesis）[D].Hero III A O， Thesis Supervisor. MI， USA： EECS Department， University of Michigan， 2005.

[5] Parameswaran A T， Husain M I， Upadhyaya S. Is rssi a reliable parameter in sensor localization algorithms： An experimental study[C].Field Failure Data Analysis Workshop （F2DA09）.IEEE， 2009： 5.

[6] Lee J S， Su Y W， Shen C C. A comparative study of wireless protocols： Bluetooth， UWB， ZigBee， and WiFi[C].Industrial Electronics Society， 2007. IECON 2007. 33rd Annual Conference of the IEEE. IEEE，2007： 46-51.

[7]王沁，何杰，張前雄，等.測(cè)距誤差分級(jí)的室內(nèi)TOA定位算法[J].儀器儀表學(xué)報(bào)，2011，32（12）： 2851-2856.

[8] Nguyen V H， Pyun J Y. Location detection and tracking of moving targets by a 2D IR-UWB radar system[J].Sensors， 2015， 15（3）： 6740-6762.

[9] He J， Li S， Pahlavan K， et al. A realtime testbed for performance evaluation of indoor TOA location system[C].2012 IEEE International Conference on Communications （ICC）. 2012： 482-486.

[10] Feng G， Shen C， Long C， et al. GDOP index in UWB indoor location system experiment[C].SENSORS， IEEE， 2015： 1-4.

[11] Khalaf-Allah M. Time of arrival （TOA）-based direct location method[C].2015 16th International Radar Symposium （IRS）. IEEE， 2015： 812-815.

[12]楊狄，唐小妹，李柏渝，等.基于超寬帶的室內(nèi)定位技術(shù)研究綜述[J].全球定位系統(tǒng)，2015，40（5）：34-40.

[13] Vangelista L， Zanella A， Zorzi M. Long-Range IoT Technologies： The Dawn of LoRa?[C].Future Access Enablers of Ubiquitous and Intelligent Infrastructures. Springer International Publishing，2015： 51-58.