許 航
(國網江蘇省電力有限公司徐州供電分公司,江蘇 徐州 221005)
傳統生產過程中,對物品的監測通常需以人工方式完成。這存在物品吞吐量過大的問題,會造成某些意外狀況。這就要求全面監控所有生產環節,對潛在問題開展迅速排查[1-4]。而在工業化生產過程中,人員在操作與維護機器設備時難免會發生傷害事故,危險性高于其他行業。因此,工業化生產需要對倉庫系統的整體布局進行優化設計,嚴格設置檢測規章制度,同時制定評估預案[5-6]。
按照不同物品的特定間隔對倉庫系統分別設定合適的出入庫周期,可有效降低移載機的負擔。但需要注意的是:出入庫周期太短無法緩解倉庫系統的輸送壓力,不能充分避免擁堵的問題,從而會引起錯誤的識別結果;出入庫周期太長會導致某些設備處在空閑的狀態,從而降低整體運行效率。針對以上各項不足,需要采用物聯網技術可以達到不同設備的協同目標[7-10]。
本文以射頻識別(radio frequency identification,RFID)方法建立物聯網和倉儲感知系統,同時利用云端服務與各類智能終端對數據信息進行高效傳輸。該系統采用非接觸控制模式,可有效減少人員工作量,使倉儲系統達到更高效的運行狀態;能充分避免因人為因素而引起的系統運行故障,提升了系統操作的安全性,達到了高效管理倉儲系統的目的。
系統主控板上配置了Wi-Fi連接器與無線數據傳輸模塊,以及數據傳感器、執行系統、無線數據模塊。Wi-Fi連接器可實現主控板、云服務系統與云服務器之間的數據連接。用戶端通過網絡與云服務器構建連接。通過建立通信和數據傳輸通道,可同時得到倉儲管理系統的作業信息。主控板與從控板之間通過無線通信模塊進行數據傳輸。其中,主控板負責處理人員發送的指令信息以及分析傳感器數據,并把控制指令傳輸到從控板;從控板通過無線通信模塊把信息數據傳輸到主控板,同時接收主控板指令并執行相關操作。倉儲控制系統結構如圖1所示。

圖1 倉儲控制系統結構圖Fig.1 Warehouse control system structure
進行物品存儲時,可通過系統記憶和標志功能記錄存儲位置信息并實施可視化監管,并要求傳送設備在某一時刻只對其中一件物品進行處理。為提升傳輸效率,上位設備需根據下位設備工作狀態判斷是否對物品進行傳輸。光電傳感器在出入庫臺與傳送機首尾區域安裝,以實現對物品傳入、傳出過程進行監測的功能。壓力傳感器安裝在移載機面板,用于判斷移載機是處于空閑狀態還是被占用狀態。
在傳送機空閑而上位傳送設備物品已經準備好的情況下,物品從上位設備傳輸至下位設備,利用光電傳感器掃描物品的傳輸過程,并將傳送機數據傳輸至主控板。主控板在數據處理的過程中,會對上位傳送設備發送暫停物品傳輸的指令,同時實時接收下位傳送設備發送的運行狀態信息。在下位傳送設備空閑的情況下,物品可以被連續傳輸至下位傳送設備。當下位傳送設備占用時間大于設定值時,主控板控制傳送機停止運行過程。當主控板返回指令時,表明下位傳送設備已經空閑。這時傳送機啟動并通過光電傳感器對下位設備狀態進行監測。
基于類比機制碰撞避碰(avoiding collision based on analogy mechanision,ACAM)是1種根據RFID系統基數估計的方式實現對探測區域中的標簽數量實施估計的技術。ACAM按照動態幀長的算法,結合標簽數量對幀長進行適當調節,以實現時隙的最高效利用,并顯著提升估測效率。ACAM閱讀器與標簽在滿足哈希機制的條件下執行以下操作:接收確認信息標簽后,按照種子進行哈希運算;以實際獲得的哈希結果表示相應幀的對應時隙序號;收到時隙后,再由標簽回復1 bit以完成信息確認[11]。
按照效率優先的原則,確保在識別估測時間最短的條件下,推導出幀長參數。設T為ACAM的執行時間,則有[12]:
(1)
式中:f為幀長;t96為標簽回復96位ID所需時間;tshort為確認信息最少時間。
對選定時隙的回復概率為:
(2)
式中:Xi為標簽選擇時隙i的回復;k為沖突指示值;N為標簽數。
當沖突時隙發生(即k>1)時,P轉變為:

(3)
當幀長為f的各時隙都處在P概率時,各時隙會成為單一時隙,則單一時隙中標簽完成回復確認的個數可以表示成P×f。閱讀器進行ACAM快速估測所需平均時間為:

(4)

γ效率越高,則平均時間應越短。
對式(4)進行分析可以發現,參數γ對平均時間存在直接影響,而未識別標簽數量則不會引起結果的變化。因此,可以將各幀參數γ都設定在最佳值1.5,以獲得最優效率。
本研究采用通用軟件無線電外設(universal software radio peripheral,USRP)平臺作為測試平臺,設置調制模式為二進制相移鍵控(binary phase shift keying,BPSK),按照前期規定的方式設置傳輸功率。為評估正交碼信號探測性能,本文綜合評估了沖突信號識別最大數量Q和偏碼長度L這2個參數。不同信噪比下信號檢測率分布如圖2所示,

圖2 不同信噪比下信號檢測率分布Fig.2 Signal detection rate distribution under different signal-to-noise ratio
由圖2可知,在信噪比超過-6 dB的情況下,各編碼長度信號成功率都接近100%。因此,當信噪比恒定時,提高碼長可以獲得更高的信號檢測效率。根據以上測試結果可知,對信號進行檢測的成功率受到編碼長度和信噪比的綜合影響,隨著信噪比的增大以及編碼長度的增加,可獲得更準確的相關值,使信號檢測率更高。
通過測試發現,當編碼長度增加或信噪比增大時,可獲得更大的信號相關值。檢測率將因此更高,從而實現Q與L的相互平衡。同時,本文根據試驗結果確定L與Q的相互關系,并分別測試了以下2種場景。①在L為20 bit、Q為5、信噪比未超過-10 dB時,信號的成功檢測率為95%。②設定L為50 bit、Q為10,則信號被成功檢測率為97%。
本文通過仿真測試,對比了利用和避免碰撞協議(utilizing and avoiding collision protocol,UACP)、電子產品代碼(electronic product code,EPC)與移幅鍵控(amplitude shift keying,ASK)算法的性能差異。仿真測試將標簽的數量設定在500~10 000之間,并評估時隙利用率、平均時間、標簽讀取速率、總執行時間、時延等各項性能。按照EPC標準,閱讀器至標簽的通信速率在26~128 kbit/s之間變化,標簽至閱讀器的通信速率在40~640 kbit/s之間變化。進行試驗時,兩者的速率依次被設定為64 kbit/s與320 kbit/s。
通過理論推導并結合之前的試驗評估結果,可以判斷UACP具備更強的時效性。在進行性能評估時,待識別的標簽數為1~10 000,發射功率為50 dB,設定信噪比為-5 dB、Q為5、W子集為30。不同標簽數下算法執行時間分布如圖3所示。

圖3 不同標簽數下算法執行時間分布Fig.3 Algorithm execution time distribution under different number tags
由圖3可知,隨著標簽數的逐漸增多,執行時間表現為線性分布的特征。其中,UACP的執行效率比EPC高60%,與ASK相比高25%。
不同標簽數下算法時延分布如圖4所示。

圖4 不同標簽數下算法時延分布Fig.4 Algorithm delay distribution under different tag numbers
由圖4可知,EPC與ASK這2種算法不能完全解決沖突問題,在標簽數量增加后形成了更大的時延;采用UACP則能夠對待測信號進行高效識別,從而顯著縮短時延。
本文為所有堆垛機設置了RFID標簽,通過多點定位的方法測試堆垛機方位。在進行物品存儲時,倉庫通過系統記憶和標志功能記錄存儲位置信息并實施可視化監管。同時,本文為移載機面板安裝壓力傳感器,從而判斷移載機是處于空閑狀態還是被占用狀態。
通過測試發現,當編碼長度增加或信噪比增大時,系統可獲得更大的信號相關值、檢測率更高、可達到Q與L的相互平衡。
本文建立了基于RFID防沖突算法的倉儲資源管理系統,并對系統進行了評估。隨著標簽數的逐漸增多,執行時間呈現線性分布的特征。其中,UACP執行效率最高。采用UACP正交信號檢測方法能夠對待測信號進行高效識別,顯著縮短時延。