RFID技术在一种餐厅服务机器人定位中的应用

为了提高服务机器人的定位精度,提出了一种基于射频识别(RFID)的服务机器人定位方法.设计了一套特殊的RFID系统,该系统采用读写范围较小的RFID读写器及被动式电子标签,减少了读写器读取标签的距离误差,从而提高了基于RFID定位方法的定位精度.使用读写器读取电子标签中存储的坐标数据,根据读写器安装位置与机器人中心之间的几何关系,得到机器人准确的位置,并能完成机器人航向角的判定.试验证明:该方法受环境影响小,具备较高的鲁棒性,能够获得低于±20mm的定位精度,完全满足服务机器人精定位要求.     

改进的RFID防碰撞算法

随着物联网在各个领域被广泛的应用,RFID技术越来越重要。然而,在RFID实际应用中标签碰撞是一个关键的问题,因此,很多专家提出一些基于aloha或二进制的经典防碰撞算法,这些算法中主要都是研究标签数目估计和识别的准确率,他们都忽略了标签ID长度对识别引起的延迟。在本文中,我们针对前面的问题提出了结合标签数目和标签ID长度的防碰撞算法,这个算法中我们考虑标签ID长度对识别性能的影响,根据标签ID制定时隙定位,能有效提高系统性能,本算法的仿真和测试结果表明系统性能要高于先前的一些防碰撞算法。     

一种功率可调的RFID室内动态定位方法

基于RFID技术的室内定位算法,大多都要求阅读器具有记录RSSI、TOA等测量参数的功能,这对于阅读器和标签的要求较高,从而导致整个系统的成本较高。RFID动态定位方法是一种新型的通过参考标签和移动RFID阅读器进行定位的方法,无须记录RSSI等测量参数,思路简单,却实现了较高精度的定位(可达数10cm级),然而定位路径较为盲目,定位效率低下。为改善这一问题,本文提出了一种功率可调的动态定位方法,同时为方便在定位过程中即时观察阅读器阅读参考标签和目标标签情况,设计了动态定位的MATLAB GUI界面。实验结果表明,与原动态定位方法相比,功率可调的动态定位方法在很大程度上节省了定位时间,提高了定位效率,且对于边界处的目标标签定位,定位精度提高了近20%。     

基于RFID不同信号特征参数的室内定位方法综述

基于超高频射频识别(RFID)的定位技术,因其标签成本低、可使用无源工作方式,目前在许多实际应用场景中发挥重要作用.为进一步推进基于超高频RFID的室内定位技术,对不同信道特征参数信息的获取及其对应定位模型进行介绍,对不同标签定位处理方法进行探讨,从不同关键技术角度对定位方法进行比较,并总结和展望超高频RFID室内定位技术的未来发展趋势.     

重叠年轮式无源射频识别定位算法设计

针对无源射频识别（RFID）定位问题,建立了重叠的读写器天线布局规划以及年轮式概率模型,提出了重叠年轮式定位算法,并通过Kp值修正以及双标签边缘修正实现精确定位.验证表明,与邻近算法相比,重叠年轮式无源RFID定位算法使定位误差降低了33.929%,同时定位误差概率累积分布曲线的收敛速度也显著提高.     

工业智能机器人中RFID应用技术的研究

近些年来,名为“射频识别（RFID）”的自动识别技术在逐步的兴起。如果将RFID技术应用到工业的智能机器人上,结合标签的唯一性,给装有RFID阅读器的工业机器人定位。利用RFID标签提供给工业机器人更多的信息,从而更好地控制工业机器人按照指定的标签顺序去工作。     

RFID拓扑网络节点定位算法的应用

针对当前加油鹤管定位系统中存在的如自动化水平差、工作效率低等问题,采用RFID拓扑网络定位算法对系统的自动化水平进行改善.详细介绍了该算法的定位原理,以及该算法各种情况下为确定目标标签最佳位置而提出的处理机制.研究结果表明:该算法不仅可以对跟踪物体进行实时监控,还可以检测出阅读器的工作状态,当阅读器发生故障时,仍能对物体进行跟踪定位,具有很好的鲁棒性.     

基于Wi-Fi的RFID定位方案探讨

随着无线定位技术的发展,室内定位技术成为人们关注的热点.基于WiFi的定位技术具有覆盖范围广,信息传输速度快,实现成本较低等优点,研究将射频识别技术(RFID)运用到Wi-Fi室内定位系统中,探讨基于Wi-Fi的RFID定位方案,对基于信号强度和基于距离角度的RFID定位技术进行分析和研究,实现对内置RFID标签的Wi-Fi终端的精确定位.     

基于随机权重混沌粒子群反向神经网络算法的RFID定位算法

为了提高射频识别 (radio frequency identification,RFID)定位系统的准确性与可靠性,并改善反向传播神经网络算法在RFID定位算法中收敛速度慢、精度低、稳定性差的缺点,提出一种基于随机权重的混沌粒子群优化反向传播神经网络定位方法 (random weight chaotic particle swarm optimization back-propagation neural networks,RW-CPSO-BP)。在运用RW-CPSO-BP算法对标签进行轨迹预测过程中,首先对3个阅读器接收到的标签接收信号强度指标值 (received signal strength indicator,RSSI)先用均值滤波进行预处理,然后再进行归一化处理,将处理过的数据分为两组在RW-CPSO-BP模型中进行训练,从而得到误差曲线。经过RW-CPSO-BP优化过权值和阈值的BP模型能较好地定位移动标签,而且克服了陷入局部最优解的问题。仿真结果表明,RW-CPSO-BP算法收敛速度和稳定性明显高于BP网络,误差也较BP网络低,更加适合用于进行复杂环境下的RFID定位。     

基于WRV的室内移动机器人定位系统

针对W(WLAN,Wireless Local Area Network)、R(RFID,Radio Frequency Identification)、V(Video)技术在室内定位的特点,提出了基于WRV信息融合的机器人定位方法。以概率法为基础,进行了基于Kalman滤波的WLAN机器人定位实验;以增加移动误差补偿的极大似然估计定位算法为基础,进行了基于Kalman滤波的RFID机器人定位实验;以SIFT算法为基础,进行了机器人定位实验;最后研究了机器人多信息融合定位算法并进行了实验。移动机器人定位实验表明:机器人多信息融合定位平均定位偏差为0.381m,减少了WLAN、RFID及视觉系统单独定位时的偏差,定位精度上有了明显的提高,可以较好地满足室内移动机器人的定位要求。