论文部分内容阅读
随着现代信息技术与制造业的深度结合,基于信息物理系统的智能装备、智能工厂等正改变着各制造企业的制造模式。射频识别技术(Radio Frequency Identification,RFID)作为一种快捷方便且非接触式采集处理信息的自动识别技术,能够有效感知制造车间动态信息如监控车间生产加工状态、优化物流仓储控制以及智能定位跟踪货物等,使得制造车间数字化和智能化程度越来越高。因此RFID设备在制造车间的应用也越来越广泛。然而由于RFID自身的复杂性和动态性以及制造车间的强电磁干扰、金属反射、感知对象复杂等原因导致RFID数据呈现海量、多源、高噪声、强时空关联性等特点。海量RFID感知数据的不可靠性严重制约其在智能制造领域的发展,因此在分析制造车间RFID数据流的特点以及数据存在的质量问题等基础上,对RFID数据的漏读和冗余问题分别提出改进方法,构建综合的数据清洗架构并设计实现数据清洗系统。本文的主要研究工作如下:(1)深入研究制造车间中RFID数据的特征以及RFID数据中存在的漏读、多读和冗余三种数据问题的原因。结合不同RFID拓扑结构下RFID数据中存在的主要质量问题不同这一特点,建立一种综合的面向RFID数据的分割清洗处理架构,根据数据特点将数据分别送入漏读填补模块或者空间冗余消除模块,最后再综合处理时间冗余。(2)针对RFID漏读数据,在现有WSTD算法的基础上考虑标签的跃迁引入动态调整的置信度参数并利用中值滤波消除孤立噪声点来进一步优化算法;针对RFID冗余数据,在贝叶斯推断算法的基础上,改进现有的n状态检测模型以及2维n状态检测模型在适用场景上的局限性,引入一种具有普适性和鲁棒性的基于空间关系模型的检测方法,使得算法的应用范围更广泛且提升了效率。(3)在MATLAB软件上进行大量仿真实验,对比分析改进算法在性能上的优缺点,验证改进算法在准确率和效率上比经典算法以及经典算法的改进方法都有显著地提升。同时基于Java Web开发实现RFID数据清洗系统,验证本文构建的综合清洗模型以及清洗算法在实际中的可用性。