买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种基于聚类算法的离散制造车间RFID和UWB融合定位系统及方法，系统包括RFID模块、UWB模块、控制模块、存储模块和显示模块；RFID模块与UWB模块完成原始数据采集并进行简单处理，将数据发送到存储模块和控制模块；控制模块结合获得的数据进行融合定位，得到最终数据，控制显示模块将最终数据进行展示；基于聚类算法并基于RFID和UWB的复合定位方法，将RFID获取的区域位置数据和UWB的实时位置数据进行数据融合，为车间对物料的精准管控提供了准确的位置信息。本发明提高了车间对生产要素定位的可靠性，以达到车间实现可视化的定位追踪、实时监控，实现了离散制造车间不同生产要素的实时定位和精细化、高效率管理。

主权项：1.一种基于聚类算法的离散制造车间RFID和UWB融合定位系统，其特征在于，包括RFID模块、UWB模块、控制模块、存储模块和显示模块；所述RFID模块包括电子标签、读写单元和RFID中间件；所述电子标签一一对应附着在生产要素上，用于存储其所附着的生产要素的属性数据以及电子标签的编号；所述读写单元一一对应设置在各个制造车间的工位内，包括RFID读写器和与RFID读写器相连的RFID天线，一个设置在工位的入缓存区、另一个设置在工位的出缓存区；所述RFID读写器用于RFID天线读取各个电子标签内的信息以及各个电子标签对应的RFID天线的编号，并将其传递给所述RFID中间件；所述RFID中间件和各个读写单元的RFID读写器电气相连，用于获取各个读写单元读取的数据，并将其传递给控制模块；所述UWB模块包括UWB标签、定位引擎和M个UWB传感器；所述UWB标签一一对应附着在生产要素上，其内存有UWB标签的编号，用于UWB传感器实时获取生产要素位置信息；所述M个UWB传感器设置在制造车间内，用于感应各个UWB标签的信号强弱，并将其传递给定位引擎，其中M≥3；所述定位引擎用于根据接收到的各个UWB标签到M个UWB传感器的信号强弱、结合M个UWB传感器的位置信息，计算出各个UWB标签相对于定位引擎的位置，并将其传递给所述控制模块；所述存储模块用于存储制造车间的地图信息、各个生产要素的信息、各个生产要素对应的电子标签编号、各个生产要素对应的UWB标签编号、各个读写单元对应的工位、以及各个RFID天线编号对应的工位入缓存区或工位出缓存区；所述控制模块用于根据RFID中间件读取的各个电子标签内的信息以及各个电子标签对应的RFID天线的编号、结合存储模块中的信息得到各个生产要素的区域定位信息，根据UWB模块测得的各个UWB标签相对于定位引擎的位置、结合存储模块中的信息得到各个生产要素的地图坐标，并根据各个生产要素的区域定位信息和地图坐标基于聚类算法进行融合定位，得到融合后的位置信息，同时控制显示模块在车间地图上实时显示各个生产要素属性数据和物料流转数据；所述基于聚类算法的离散制造车间RFID和UWB融合定位系统实现过程如下：1RFID读写器在生产要素经过其RFID天线时按照其读取周期读取该生产要素上电子标签的编号及其对应RFID天线的编号，并将其经RFID中间件传递给控制模块，令RFID读写器读取生产要素上电子标签编号的次数为RN、该电子标签的编号为NU；2RFID中间件根据RFID天线的发射信号强度和接受信号强度得到各个电子标签的实际RSSI值；3定位引擎用于根据接收到的各个UWB标签到M个UWB传感器的信号强弱、结合M个UWB传感器的位置信息，计算出各个UWB标签相对于定位引擎的位置，并将其传递给所述控制模块；控制模块将各个UWB标签相对于定位引擎的位置转换为其地图坐标；4控制模块根据存储模块中的数据，查找到电子标签编号NU对应的生产要素MU，然后根据生产要素MU查找到对应的UWB标签编号UU，最后查找到编号为NU的电子标签被读取RN次时编号为UU的UWB标签被定位的地图坐标集U＝{u1,u2,u3,…,ui,…,un}，其中，n为编号为NU的电子标签被读取RN次时编号为UU的UWB标签被定位引擎定位的次数，ui为编号为UU的UWB标签的被定位的地图坐标，i为大于等于1小于等于n的自然数；5计算地图坐标集U中各个地图坐标到编号为NU的电子标签的地图坐标的距离，并将其和步骤2所得电子标签的区域定位信息进行比较，得到地图坐标集U中位于编号为NU的电子标签的位于形状为半径x范围其中，rxR的圆环区域定位范围内的地图坐标集合V＝{v1,v2,v3,…,vh,…,vN}，其中，N为编号为NU的电子标签被读取RN次时编号为UU的UWB标签处于电子标签区域定位范围内被定位的地图坐标个数，vh为编号为UU的UWB标签的被定位的地图坐标，h为大于等于1小于等于N的自然数；6聚类过程为确定聚类数目K，对地图坐标集V＝{v1,v2,v3,…,vh,…,vN}，划分为K个聚类中心集合C＝{c1，c2，…,cz,…，cK}的问题,z为大于等于1小于等于N的自然数；随机选取一个点作为聚类中心；对于地图坐标集的每一个点vh，计算它与最近聚类中心的距离Dvh；选择一个新的坐标点作为新的聚类中心，选择的原则是Dvh较大的点，被选取作为聚类中心的概率较大；直到K个聚类中心被选出来，聚类中心Cz的均值为m1,m2,…,mz,…，mK；7假设第z类的样本数目为Nz，则根据欧几里得算法将数据划分到距离中心最近的集合；划分完后，更新每个类的中心值，即对每个聚类的所有数据点的坐标加起来去平均值；如此不断更新划分，直到中心间的距离小于阈值；而K-means聚类算法的最小目标函数为：vhz表示聚类中心Cz的所对应的地图坐标vh；8比较地图坐标集的每一个点vh和每一个聚类中心值mz欧氏距离的大小，选择欧式距离最小的聚类，将该坐标点归类到该聚类中，直至所有的坐标点归类；9计算地图坐标集与步骤7所得聚类中心集合C的欧氏距离O＝{O1，O2，…，Oz，…，OK}，选取欧式距离最小的K个位置，计算权重wz，z＝1，2，…，K， 根据得到的权重值，计算位置坐标如下式： 其中，Cz的坐标为xz,yz；对估计位置坐标进行卡尔曼滤波，得到最终的联合定位坐标；将编号为NU的电子标签对应的工位入缓存区或工位出缓存区作为编号为NU的电子标签所在的生产要素的区域定位信息。

全文数据：

权利要求：

百度查询： 南京航空航天大学 基于聚类算法的离散制造车间RFID和UWB融合定位系统及方法