随着“互联网+”的持续推进,对物流行业的要求也在一步步的提高,不断涌现新的需求和要求。这些日益增长的需求之中,最为核心的就是对物流效率的提升。一种新型的自动导引运输车AGV(Automated Guided Vehicle)——基于多源信息融合的自适应AGV必将逐步得到重视,成为自动化仓储的研究重点。因为它是使自动化仓储向智能化、智慧型仓储发展的核心。本文所提基于多源信息融合的自适应AGV的传感器系统是由里程计、陀螺仪和CCD视觉传感器集成,更全面更准确的收集外部环境信息,全面提升了对外部环境信息的利用率,并且多传感器融合的导航系统可以协调AGV避障系统的非线性问题,从而提升了AGV的柔性和作业效率和作业精度。首先,本文对AGV的自适应寻迹技术进行分析和研究,设计出整个AGV的自适应寻迹流程。并且在AGV的自适应寻迹过程中引入SLAM(Simultaneous Localization and Mapping)实时定位与地图创建概念,这也是令AGV可以自主导航的核心,对自适应AGV的SLAM导航过程进行分析与设计。对基于扩展卡尔曼滤波的SLAM方法(EKF-SLAM)和基于粒子滤波的定位方法(PF-SLAM)两种SLAM算法进行比较,分析出两种算法的优缺点,由于EKF-SLAM方法在实时性和测量精度方面比较优秀,故选定EKF-SLAM方法作为本文的研究方法。其次,根据对三种信息融合结构的分析与比较,本文采用混合式信息融合结构作为自适应AGV的信息融合系统的结构,并对一般T-S模糊神经网络算法进行改进,在选取神经网络结构中的隶属度数量时引入聚类算法,在各个神经节点的权重以及融合参数不确定的情况下通过模型的自学习、自适应做出自己的选择,提升了系统对数据融合的智能性和灵活性。最后,利用自适应模糊PID控制算法控制AGV的各个驱动电机,以实现AGV的自适应导引。对比了单轮驱动、双轮驱动、四轮差速驱动、六轮差速驱动四种驱动方式,为了达到让AGV全方位移动的目的,还对比分析了麦克纳姆(Mecanum)轮、四轮差速驱动、双舵轮结构三种驱动结构。结合两种分析对比结果,本文所提基于多源信息融合的自适应AGV选择四轮差速驱动方式。给出了多源信息融合的自适应AGV的总体技术结构:车体架构、ARM处理器采用基于ARMv8的嵌入式硬件设计、利用嵌入式Linux进行软件开发和移植、视觉传感器以及陀螺仪的选择。并且利用MATLAB软件对所设计AGV采用的EKF-SLAM算法进行了仿真实验。实验结果表明,设计的系统可以使AGV较好的完成多传感器信息收集及融合和自主寻迹功能。