一种基于超高频RFID 采集的金库智能巡检机器人

摘要：随着金融行业数字化转型，智能巡检机器人成为现代金库管理的需求。本研究设计了一种基于超高频RFID采集的金库智能巡检机器人，系统由RFID采集单元、移动平台和控制系统构成。采用915MHz频段RFID读写器和参考标签组建立定位网络，设计了RFID信号传播模型和多标签防冲突算法。基于RFID与里程计信息融合的定位方法实现了±3cm的定位精度。通过优化路径规划策略，保证了巡检任务的可靠执行。实验结果表明，该系统在金库实际环境中运行稳定，异常识别准确率达96.3%，为金库智能化管理提供了新的技术方案。

关键词：超高频RFID；金库巡检机器人；多标签防冲突；信息融合定位；智能导航

中图分类号：TP3 文献标识码：A

文章编号：1009-3044（2025）02-0088-03 开放科学（资源服务） 标识码（OSID） ：

0 引言

金库作为押运行业最重要的现金储存场所，其安全管理的重要性不言而喻。目前金库巡检主要依赖人工执行，存在效率低下、记录不准确、反应滞后等问题。传统视频监控系统虽能提供实时画面，但难以实现对环境参数的精确测量和全方位监测。超高频RFID 技术因其非接触、多目标识别、穿透性强等特点，为金库智能巡检提供了新的技术途径。RFID标签可实现全域立体监测，且具有无源设计寿命长、穿透能力强、支持多标签同时识别等优势。将RFID技术与移动机器人相结合，不仅能实现对金库环境的全方位监测，还可建立精确的室内定位导航系统。本研究重点解决了RFID信号传播建模、多标签防冲突和定位精度等关键问题，为金库智能化、无人化运维提供了实用的技术方案。

1 系统总体设计

1.1 超高频RFID 采集系统设计

超高频RFID采集系统采用915MHz工作频段，由读写器、天线阵列、参考标签组和多标签数据处理器组成。读写器选用Impinj R420型号，最大发射功率为30dBm，支持EPC Gen2协议。为提升采集范围和准确率，在机器人顶部安装了4副圆极化天线，呈“十”字形分布，天线增益12dBi。参考标签组由20个无源RFID标签构成，标签型号为Alien 9654，在金库墙面距地面1.2m处每隔5m布设一个[1]。多标签数据处理器基于FPGA实现，采用改进型Q算法处理标签防冲突，并集成了卡尔曼滤波算法对RSSI信号进行预处理，实测在10个标签同时存在时的识别准确率达到98.5%，平均识别时间小于100ms（如图1所示） 。

1.2 机器人平台设计

机器人采用四轮差速驱动结构，底盘尺寸为600mm×450mm×350mm，采用铝合金框架搭建，整机重量28kg。动力系统使用4个24V/150W直流伺服电机，最大行驶速度1.2m/s。为适应金库环境，轮胎采用聚氨酯材质，具有良好的耐磨性和抓地力。机器人配备24V/40Ah锂电池组，续航时间可达6小时[2]。机器人顶部设有升降云台，用于安装RFID天线阵列，升降范围0-500mm，可根据不同场景调节天线高度。机体前部安装Intel RealSense D435i深度相机，用于环境感知和避障。底盘集成了IMU模块和编码器，为导航定位提供基础数据支持（如图2所示） 。

1.3 控制系统架构

控制系统依托ROS机器人操作系统搭建，基于分布式架构设计理念，系统整体划分为计算单元、通信单元和控制单元。计算单元采用搭载Intel i7-8700处理器的工控机作为主控，配备16GB 内存，运行Ubuntu 18.04系统，确保复杂算法的实时计算需求。底层控制单元选用STM32F407单片机，通过CAN总线协议与电机驱动器建立通信链路，实施速度闭环控制策略[3]。系统采用层级化控制架构，在任务层实现巡检任务规划与RFID数据管理，负责高层决策；决策层融合多源传感数据完成路径规划和定位，形成行为决策；执行层进行底层运动控制与设备管理。各功能模块遵循ROS话题通信机制，以50ms为采样周期进行数据交互，保证系统实时性。为提升系统远程监控能力，开发了基于B/S架构的监控平台，实现任务实时下发与状态监测功能，满足金库智能化巡检需求。

2 超高频RFID 采集方法

2.1 标签布置与读写器参数优化

参考标签在金库环境中的布置基于覆盖效率最大化原则进行优化，采用六边形蜂窝状布局方案，相邻标签间距为5m。所有参考标签固定安装在距地面1.2m处，标签天线朝向采用45°倾角安装，减少多路径效应影响。读写器功率和灵敏度参数通过实验确定最优值：发射功率设为27dBm，接收灵敏度为-82dBm，询查时间窗口设置为100ms。天线阵列采用VSWR<1.2的圆极化天线，通过测试发现，天线间距设置为0.6λ时，相互耦合最小。为提升位置估计精度，读写器采样率设为20Hz。

2.2 RFID 信号传播建模

金库环境中RFID信号传播特性通过对数距离路径损耗模型进行描述和优化。信号强度RSSI与距离d的关系可表示为：

RSSI （d） = RSSI （d0 ） - 10n ⋅ log10（d d0 ） + Xσ （1）

式中：d0 为参考距离，取1m；n 为路径损耗指数；Xσ 为服从均值为0、标准差为σ 的对数正态分布随机变量。通过实地测量2000组数据，采用最小二乘法拟合得到金库环境中n=2.8，σ=3.2。为补偿金属设施对信号的影响，引入环境因子α：

RSSI'（d） = α ⋅ RSSI （d） （2）

其中，α 值根据标签位置动态计算，计算方法如下：

α = k1 ⋅ M + k2 ⋅ D + k3 ⋅ H （3）

其中：k1、k2、k3 为权重系数，通过实验优化得到，分别取值0.5、0.3、0.2；M 为金属障碍物密度因子，表示单位面积内金属设施的数量；D 为信号衰减因子，由障碍物的材料特性决定；H 为空间高度因子，考虑天线安装高度的影响。经验证该模型预测误差低于2dB。

2.3 多标签防冲突算法设计

针对多个RFID标签同时被读取时的信号冲突问题，设计了基于时隙ALOHA的改进型防冲突算法。算法核心思想是对标签响应时隙进行动态优化分配，定义时隙利用率η：

η = Ns/N （4）

式中：Ns 为成功读取的时隙数，N 为总时隙数。通过调整Q值动态控制时隙数：

Q（i + 1） = Q（i） + β （η0 - η） （5）

式中：η0 为目标利用率，取0.368；β 为学习因子，取值0.3。算法还集成了标签优先级管理机制，将参考标签设置为高优先级，确保定位信息优先获取。实测表明，该算法在10个标签同时存在时的识别率达到99.2%，平均识别延时降至85ms。

3 基于RFID 的导航与定位

3.1 RFID 参考标签定位方法

基于RFID信号强度的定位方法采用改进型三边测量算法。机器人在移动过程中接收到参考标签的RSSI值后，通过信号传播模型将RSSI转换为距离信息[4]。设机器人当前位置为（x，y） ，参考标签i的位置为（xi，yi） ，则测量方程组为：

（x - x ） i2 + （y - y ） i2 = di 2（i = 1，2，3） （6）

其中：di 为由RSSI计算得到的距离值。考虑到RSSI测量误差，采用加权最小二乘法求解方程组：

minJ = Σwiéëùû（x - x ） i2 + （y - y ） i2 - di 2 2 （7）

权重wi与RSSI 强度成正比，反映测量可靠性。通过梯度下降法迭代求解，获得机器人位置估计值。算法在FPGA上实现，定位周期20ms，静态定位精度优于±5cm。

3.2 RFID 与里程计信息融合

为提高定位精度和可靠性，设计了基于扩展卡尔曼滤波（EKF） 的多传感器信息融合算法。状态向量X = [ x，y，θ ]包含机器人位置和航向角，运动模型基于里程计数据建立：

X （k + 1） = f [ X （k），u （k）] + w（k） （8）

观测方程包含RFID定位结果和IMU测量值：

Z （k） = h[ X （k）] + v （k） （9）

其中：w（k）、v （k）分别为过程噪声和观测噪声，系统噪声协方差矩阵通过Allan方差法标定。滤波器预测步采用速度—航向角模型，更新步结合RFID定位结果进行状态修正。实测表明，融合算法使定位精度提升40%，达到±3cm。

3.3 基于RFID 的路径规划策略

路径规划算法基于RFID 标签网络构建栅格地图，每个栅格包含通行代价值[5]。代价函数设计考虑3 个因素：

C = α1d + α2σRSSI + α3n （10）

式中：d 为距离代价；σRSSI 为RSSI 稳定性指标；n为可见参考标签数量；a 为权重系数。采用改进A*算法进行全局路径规划，启发函数为：

h （n） = w1Euclidean （n，goal） + w2 ⋅ RFIDcost （n） （11）

局部路径优化采用动态窗口法，将RFID信号质量作为约束条件，实时调整速度和航向。经过多次实验优化，确定最优权重参数：a1 = 0.5，a2 = 0.3，a3 =0.2，w1 = 0.6，w2 = 0.4。该策略保证了导航过程中RFID信号的连续可靠接收。

4 实验验证与应用分析

4.1 RFID 定位精度测试

在实际金库环境中设置10个测试点进行定位精度测试，测试环境温度22±2℃，相对湿度45%±5%。RFID参考标签按照优化布局方案进行安装，机器人以0.5m/s匀速运动采集数据。通过激光跟踪仪获取机器人实际位置作为基准值，连续测试100次后统计定位误差。测试结果表明，动态环境下X方向和Y方向的定位误差均值分别为2.8cm和3.1cm，最大误差不超过5cm，定位稳定性和可重复性良好。在金属设施密集区域，定位精度略有下降但仍满足巡检需求（见表1） 。

4.2 巡检路径规划评估

针对金库典型巡检场景设计了多组测试路径，评估规划算法的性能和效率。测试场景包括常规巡检、避障巡检和应急巡检3种类型。路径规划评估指标包括路径长度、平滑度、执行时间和避障成功率。实验数据显示，改进的路径规划算法在保证覆盖率的同时，显著减短了路径长度和执行时间，且路径平滑度提高30%以上（见表2） 。

5 结束语

基于超高频RFID技术的金库智能巡检机器人系统通过RFID采集单元、运动平台和控制系统的有机结合，实现了金库环境的自主巡检。系统解决了多标签防冲突、信号传播建模和精确定位等关键技术问题，在实际应用中展现出良好的性能。实验结果表明，该系统具有定位精度高、巡检效率高、异常识别准确等特点，提高了金库管理水平。随着人工智能和物联网技术的进一步发展，智能巡检机器人将在金库安全管理领域发挥更大作用。

参考文献：

[1] 黄铭科，柴立平.智能巡检机器人在机泵运维工作中的应用[J].化工设备与管道，2024，61（6）：69-73.

[2] 侍海将.基于智能巡检机器人技术的10 kV开关柜自动化转运小车研究[J].汽车知识，2024（12）：242-244.

[3] 方海荣，陶文华，覃盛调，等.基于ROS的开关站智能巡检机器人应用[J/OL].红水河，2024（6）：1-10.

[4] 邹德鑫，李昙.智能巡检机器人在500 kV变电站变电运维工作中的应用[J].科技与创新，2024（23）：185-187.

[5] 孙聪.智能电厂中巡检机器人的应用[J].产品可靠性报告，2024（11）：90-92.

【通联编辑：代影】