摘要: 自动导引车（AutomatedGuidedVehicles,AGV）是一种自动化程度较高的智能移动机器人。随着物流系统的智能化发展，AGV被大量应用在智能仓库、智能工厂以及物流运输等领域。AGV的运用可以减少人力成本，增加物流运输的效率。然而，在空间狭窄、环境复杂... 展开 自动导引车（AutomatedGuidedVehicles,AGV）是一种自动化程度较高的智能移动机器人。随着物流系统的智能化发展，AGV被大量应用在智能仓库、智能工厂以及物流运输等领域。AGV的运用可以减少人力成本，增加物流运输的效率。然而，在空间狭窄、环境复杂的作业环境中，AGV路径规划算法性能影响其作业效率，甚至影响路径的可行性，而轨迹跟踪算法则影响AGV的运动精度。为此，本文以两轮差速驱动式AGV为研究对象，对路径规划及轨迹跟踪技术开展研究，主要研究内容如下: （1）AGV的运动学分析与建模。基于两轮差速驱动AGV的非完整约束特性，建立位姿坐标系并推导坐标转换方程，并构建差速AGV运动学模型和位姿误差模型。 （2）研究AGV全局路径规划算法。首先，针对传统蚁群算法的盲目搜索和局部最优问题，通过调整初始信息素分布、设计新的启发函数、优化信息素更新规则和挥发因子，实现了对蚁群算法的改进。然后，设计两种典型环境，基于改进算法对AGV进行全局路径规划仿真，证明了该算法的理论可行性和有效性。 （3）研究AGV局部路径规划算法。为解决避障问题，将优化的人工势场算法用于局部路径规划。通过设计新的斥力函数，在原始斥力函数中计入了AGV与目标点之间的相对距离，解决目标可达性问题;通过引入虚拟牵引力，使AGV能够跳出局部极小值陷阱。仿真实验表明，该算法可使AGV有效避开障碍物，实现无碰撞的光滑路径规划。 (4)研究AGV轨迹跟踪控制问题。在路径规划的基础上，依据运动学模型和位姿误差模型，探讨AGV轨迹精度问题。对4种常见的趋近律特性进行分析，采用Backstepping方法设计了滑模控制切换函数，得到改进的趋近律。对直线和圆形轨迹跟踪仿真实验表明，改进的滑模控制器可有效降低抖振，验证了该方法在提升收敛速度和精度方面的稳定性。 (5)搭建实验平台并实例验证。分别将传统算法和本文算法程序导入ROS系统，构建AGV作业环境，设定运动起止点，实现了典型环境下的AGV路径规划。由实验数据分析可知，在环境相同的条件下，本方法在寻优时间和路径长度方面具有较明显的优势。 收起