一種基于超高頻RFID 采集的金庫智能巡檢機器人

摘要：隨著金融行業數字化轉型，智能巡檢機器人成為現代金庫管理的需求。本研究設計了一種基于超高頻RFID采集的金庫智能巡檢機器人，系統由RFID采集單元、移動平臺和控制系統構成。采用915MHz頻段RFID讀寫器和參考標簽組建立定位網絡，設計了RFID信號傳播模型和多標簽防沖突算法。基于RFID與里程計信息融合的定位方法實現了±3cm的定位精度。通過優化路徑規劃策略，保證了巡檢任務的可靠執行。實驗結果表明，該系統在金庫實際環境中運行穩定，異常識別準確率達96.3%，為金庫智能化管理提供了新的技術方案。

關鍵詞：超高頻RFID；金庫巡檢機器人；多標簽防沖突；信息融合定位；智能導航

中圖分類號：TP3 文獻標識碼：A

文章編號：1009-3044（2025）02-0088-03 開放科學（資源服務） 標識碼（OSID） ：

0 引言

金庫作為押運行業最重要的現金儲存場所，其安全管理的重要性不言而喻。目前金庫巡檢主要依賴人工執行，存在效率低下、記錄不準確、反應滯后等問題。傳統視頻監控系統雖能提供實時畫面，但難以實現對環境參數的精確測量和全方位監測。超高頻RFID 技術因其非接觸、多目標識別、穿透性強等特點，為金庫智能巡檢提供了新的技術途徑。RFID標簽可實現全域立體監測，且具有無源設計壽命長、穿透能力強、支持多標簽同時識別等優勢。將RFID技術與移動機器人相結合，不僅能實現對金庫環境的全方位監測，還可建立精確的室內定位導航系統。本研究重點解決了RFID信號傳播建模、多標簽防沖突和定位精度等關鍵問題，為金庫智能化、無人化運維提供了實用的技術方案。

1 系統總體設計

1.1 超高頻RFID 采集系統設計

超高頻RFID采集系統采用915MHz工作頻段，由讀寫器、天線陣列、參考標簽組和多標簽數據處理器組成。讀寫器選用Impinj R420型號，最大發射功率為30dBm，支持EPC Gen2協議。為提升采集范圍和準確率，在機器人頂部安裝了4副圓極化天線，呈“十”字形分布，天線增益12dBi。參考標簽組由20個無源RFID標簽構成，標簽型號為Alien 9654，在金庫墻面距地面1.2m處每隔5m布設一個[1]。多標簽數據處理器基于FPGA實現，采用改進型Q算法處理標簽防沖突，并集成了卡爾曼濾波算法對RSSI信號進行預處理，實測在10個標簽同時存在時的識別準確率達到98.5%，平均識別時間小于100ms（如圖1所示） 。

1.2 機器人平臺設計

機器人采用四輪差速驅動結構，底盤尺寸為600mm×450mm×350mm，采用鋁合金框架搭建，整機重量28kg。動力系統使用4個24V/150W直流伺服電機，最大行駛速度1.2m/s。為適應金庫環境，輪胎采用聚氨酯材質，具有良好的耐磨性和抓地力。機器人配備24V/40Ah鋰電池組，續航時間可達6小時[2]。機器人頂部設有升降云臺，用于安裝RFID天線陣列，升降范圍0-500mm，可根據不同場景調節天線高度。機體前部安裝Intel RealSense D435i深度相機，用于環境感知和避障。底盤集成了IMU模塊和編碼器，為導航定位提供基礎數據支持（如圖2所示） 。

1.3 控制系統架構

控制系統依托ROS機器人操作系統搭建，基于分布式架構設計理念，系統整體劃分為計算單元、通信單元和控制單元。計算單元采用搭載Intel i7-8700處理器的工控機作為主控，配備16GB 內存，運行Ubuntu 18.04系統，確保復雜算法的實時計算需求。底層控制單元選用STM32F407單片機，通過CAN總線協議與電機驅動器建立通信鏈路，實施速度閉環控制策略[3]。系統采用層級化控制架構，在任務層實現巡檢任務規劃與RFID數據管理，負責高層決策；決策層融合多源傳感數據完成路徑規劃和定位，形成行為決策；執行層進行底層運動控制與設備管理。各功能模塊遵循ROS話題通信機制，以50ms為采樣周期進行數據交互，保證系統實時性。為提升系統遠程監控能力，開發了基于B/S架構的監控平臺，實現任務實時下發與狀態監測功能，滿足金庫智能化巡檢需求。

2 超高頻RFID 采集方法

2.1 標簽布置與讀寫器參數優化

參考標簽在金庫環境中的布置基于覆蓋效率最大化原則進行優化，采用六邊形蜂窩狀布局方案，相鄰標簽間距為5m。所有參考標簽固定安裝在距地面1.2m處，標簽天線朝向采用45°傾角安裝，減少多路徑效應影響。讀寫器功率和靈敏度參數通過實驗確定最優值：發射功率設為27dBm，接收靈敏度為-82dBm，詢查時間窗口設置為100ms。天線陣列采用VSWRlt;1.2的圓極化天線，通過測試發現，天線間距設置為0.6λ時，相互耦合最小。為提升位置估計精度，讀寫器采樣率設為20Hz。

2.2 RFID 信號傳播建模

金庫環境中RFID信號傳播特性通過對數距離路徑損耗模型進行描述和優化。信號強度RSSI與距離d的關系可表示為：

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

式中：d0 為參考距離，取1m；n 為路徑損耗指數；Xσ 為服從均值為0、標準差為σ 的對數正態分布隨機變量。通過實地測量2000組數據，采用最小二乘法擬合得到金庫環境中n=2.8，σ=3.2。為補償金屬設施對信號的影響，引入環境因子α：

RSSI'（d） = α ? RSSI （d） （2）

其中，α 值根據標簽位置動態計算，計算方法如下：

α = k1 ? M + k2 ? D + k3 ? H （3）

其中：k1、k2、k3 為權重系數，通過實驗優化得到，分別取值0.5、0.3、0.2；M 為金屬障礙物密度因子，表示單位面積內金屬設施的數量；D 為信號衰減因子，由障礙物的材料特性決定；H 為空間高度因子，考慮天線安裝高度的影響。經驗證該模型預測誤差低于2dB。

2.3 多標簽防沖突算法設計

針對多個RFID標簽同時被讀取時的信號沖突問題，設計了基于時隙ALOHA的改進型防沖突算法。算法核心思想是對標簽響應時隙進行動態優化分配，定義時隙利用率η：

η = Ns/N （4）

式中：Ns 為成功讀取的時隙數，N 為總時隙數。通過調整Q值動態控制時隙數：

Q（i + 1） = Q（i） + β （η0 - η） （5）

式中：η0 為目標利用率，取0.368；β 為學習因子，取值0.3。算法還集成了標簽優先級管理機制，將參考標簽設置為高優先級，確保定位信息優先獲取。實測表明，該算法在10個標簽同時存在時的識別率達到99.2%，平均識別延時降至85ms。

3 基于RFID 的導航與定位

3.1 RFID 參考標簽定位方法

基于RFID信號強度的定位方法采用改進型三邊測量算法。機器人在移動過程中接收到參考標簽的RSSI值后，通過信號傳播模型將RSSI轉換為距離信息[4]。設機器人當前位置為（x，y） ，參考標簽i的位置為（xi，yi） ，則測量方程組為：

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

其中：di 為由RSSI計算得到的距離值。考慮到RSSI測量誤差，采用加權最小二乘法求解方程組：

minJ = Σwié?ù?（x - x ） i2 + （y - y ） i2 - di 2 2 （7）

權重wi與RSSI 強度成正比，反映測量可靠性。通過梯度下降法迭代求解，獲得機器人位置估計值。算法在FPGA上實現，定位周期20ms，靜態定位精度優于±5cm。

3.2 RFID 與里程計信息融合

為提高定位精度和可靠性，設計了基于擴展卡爾曼濾波（EKF） 的多傳感器信息融合算法。狀態向量X = [ x，y，θ ]包含機器人位置和航向角，運動模型基于里程計數據建立：

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

觀測方程包含RFID定位結果和IMU測量值：

Z （k） = h[ X （k）] + v （k） （9）

其中：w（k）、v （k）分別為過程噪聲和觀測噪聲，系統噪聲協方差矩陣通過Allan方差法標定。濾波器預測步采用速度—航向角模型，更新步結合RFID定位結果進行狀態修正。實測表明，融合算法使定位精度提升40%，達到±3cm。

3.3 基于RFID 的路徑規劃策略

路徑規劃算法基于RFID 標簽網絡構建柵格地圖，每個柵格包含通行代價值[5]。代價函數設計考慮3 個因素：

C = α1d + α2σRSSI + α3n （10）

式中：d 為距離代價；σRSSI 為RSSI 穩定性指標；n為可見參考標簽數量；a 為權重系數。采用改進A*算法進行全局路徑規劃，啟發函數為：

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

局部路徑優化采用動態窗口法，將RFID信號質量作為約束條件，實時調整速度和航向。經過多次實驗優化，確定最優權重參數：a1 = 0.5，a2 = 0.3，a3 =0.2，w1 = 0.6，w2 = 0.4。該策略保證了導航過程中RFID信號的連續可靠接收。

4 實驗驗證與應用分析

4.1 RFID 定位精度測試

在實際金庫環境中設置10個測試點進行定位精度測試，測試環境溫度22±2℃，相對濕度45%±5%。RFID參考標簽按照優化布局方案進行安裝，機器人以0.5m/s勻速運動采集數據。通過激光跟蹤儀獲取機器人實際位置作為基準值，連續測試100次后統計定位誤差。測試結果表明，動態環境下X方向和Y方向的定位誤差均值分別為2.8cm和3.1cm，最大誤差不超過5cm，定位穩定性和可重復性良好。在金屬設施密集區域，定位精度略有下降但仍滿足巡檢需求（見表1） 。

4.2 巡檢路徑規劃評估

針對金庫典型巡檢場景設計了多組測試路徑，評估規劃算法的性能和效率。測試場景包括常規巡檢、避障巡檢和應急巡檢3種類型。路徑規劃評估指標包括路徑長度、平滑度、執行時間和避障成功率。實驗數據顯示，改進的路徑規劃算法在保證覆蓋率的同時，顯著減短了路徑長度和執行時間，且路徑平滑度提高30%以上（見表2） 。

5 結束語

基于超高頻RFID技術的金庫智能巡檢機器人系統通過RFID采集單元、運動平臺和控制系統的有機結合，實現了金庫環境的自主巡檢。系統解決了多標簽防沖突、信號傳播建模和精確定位等關鍵技術問題，在實際應用中展現出良好的性能。實驗結果表明，該系統具有定位精度高、巡檢效率高、異常識別準確等特點，提高了金庫管理水平。隨著人工智能和物聯網技術的進一步發展，智能巡檢機器人將在金庫安全管理領域發揮更大作用。

參考文獻：

[1] 黃銘科，柴立平.智能巡檢機器人在機泵運維工作中的應用[J].化工設備與管道，2024，61（6）：69-73.

[2] 侍海將.基于智能巡檢機器人技術的10 kV開關柜自動化轉運小車研究[J].汽車知識，2024（12）：242-244.

[3] 方海榮，陶文華，覃盛調，等.基于ROS的開關站智能巡檢機器人應用[J/OL].紅水河，2024（6）：1-10.

[4] 鄒德鑫，李曇.智能巡檢機器人在500 kV變電站變電運維工作中的應用[J].科技與創新，2024（23）：185-187.

[5] 孫聰.智能電廠中巡檢機器人的應用[J].產品可靠性報告，2024（11）：90-92.

【通聯編輯：代影】