[發(fā)明專利]一種基于RFID和集成學(xué)習(xí)的資產(chǎn)設(shè)備智能感知方法及裝置

有效

• 申請?zhí)枺?/td>: 202210314697.4
• 申請日: 2022-03-28
• 公開（公告）號: CN114925789B
• 公開（公告）日: 2023-07-04
• 發(fā)明（設(shè)計）人: 王萍;張振亞;方潛生;黃晶;張紅艷;丁偉;程紅梅
• 申請（專利權(quán)）人: 安徽建筑大學(xué)
• 主分類號: G06K17/00
• 分類號: G06K17/00;G06N20/10;G06N20/20;G06N3/0442
• 代理公司: 南京思宸知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32548
• 代理人: 柏夢婷

1.一種基于RFID和集成學(xué)習(xí)的資產(chǎn)設(shè)備智能感知方法，其特征在于，包括以下步驟：

將RFID標(biāo)簽固定在室內(nèi)資產(chǎn)設(shè)備上，設(shè)n,n≥2個RFID信標(biāo)同時探測室內(nèi)RFID標(biāo)簽的信號，在時間T內(nèi)，第i個RFID信標(biāo)對同一個RFID標(biāo)簽感知到的RSSI值構(gòu)成序列R_i，如式(1)所示：

R_i＝(r₁，r₂，...，r_t，...，r_k)????(1)

式(1)中，R_i表示一個由RSSI值組成的RFID信號序列；r_t表示在第t個時刻的RSSI值；k表示序列長度；

對n個RFID信標(biāo)感知到的RFID信號序列并行學(xué)習(xí)n個RFID感知模型；在時間T內(nèi)，第i個RFID信標(biāo)對RFID標(biāo)簽的位置狀態(tài)預(yù)測結(jié)果如式(2)所示：

Z_i＝f_i(R_i)??????(2)

式(2)中，Z_i表示根據(jù)第i個RFID信標(biāo)感知到的RFID信號序列辨識得到的位置狀態(tài)，Z_i的取值范圍如式(3)所示；f_i()表示第i個RFID信標(biāo)的感知到的RFID序列與位置狀態(tài)擬合的關(guān)系函數(shù)；R_i表示第i個RFID信標(biāo)在T時間內(nèi)感知到的RFID信號序列；

式(3)中，Z_i表示RFID標(biāo)簽所在位置的標(biāo)識；I表示室內(nèi)區(qū)域，O表示室外區(qū)域；當(dāng)R_i對應(yīng)的RFID標(biāo)簽在室內(nèi)時，Z_i取值為1；當(dāng)R_i對應(yīng)的RFID標(biāo)簽在室外時，Z_i取值為0；當(dāng)序列R_i為空序列時，Z_i取值為-1；

采用bagging集成學(xué)習(xí)法并行式對n個RFID信標(biāo)感知到的RFID信號序列進行學(xué)習(xí)，得到多個辨識結(jié)果；其中n個RFID信標(biāo)對同一個RIFD標(biāo)簽的位置辨識結(jié)果如式(4)所示：

對于n個初級學(xué)習(xí)器{f₁，f₂，...，f_n}，f_i在RFID信號序列R_i上的輸出為f_i(R_i)，記為Z_i；

最后，采用stacking集成學(xué)習(xí)法對n個RFID感知模型并行計算得到的結(jié)果Z_i進行決策，得到該RFID標(biāo)簽最終的位置狀態(tài)Z。

2.根據(jù)權(quán)利要求1所述的基于RFID和集成學(xué)習(xí)的資產(chǎn)設(shè)備智能感知方法，其特征在于，使用stacking集成學(xué)習(xí)法構(gòu)建RFID感知模型的方法包括以下步驟：

(1)離線階段，完成對初級模型和次級模型的學(xué)習(xí)；

對n信標(biāo)RFID信號探測裝置采集的數(shù)據(jù)分別按照公式(1)進行預(yù)處理，得到n信標(biāo)RFID序列集；然后對n信標(biāo)RFID序列集進行歸一化處理，得到n信標(biāo)歸一化序列集；再對n信標(biāo)歸一化序列集進行標(biāo)注得到n個標(biāo)注序列集，其中，室內(nèi)RFID序列集標(biāo)注為1，室外RFID序列集標(biāo)注為0；最后分別將n個標(biāo)注序列集分別輸入到LSTM神經(jīng)網(wǎng)絡(luò)中訓(xùn)練，得到n個可識別RFID標(biāo)簽處于室內(nèi)或室外兩種情況的初級辨識模型，再將n信標(biāo)標(biāo)注序列集的信號序列輸入到對應(yīng)的辨識模型得到辨識結(jié)果；將辨識結(jié)果與其對應(yīng)的標(biāo)志構(gòu)成次級訓(xùn)練集，將次級訓(xùn)練集輸入SVM神經(jīng)網(wǎng)絡(luò)中，得到次級模型；

(2)在線階段，完成對實時數(shù)據(jù)的辨識；

在獲得n個可識別RFID標(biāo)簽位置狀態(tài)的初級辨識模型的基礎(chǔ)上，對RFID信號探測裝置實時采集到的數(shù)據(jù)進行處理，將處理后的n個歸一化序列對應(yīng)輸入到初級模型得到n個辨識結(jié)果，再通過次級模型進行決策，得到最終的RFID標(biāo)簽位置。