作为智能产线场景中重要的运输工具,自动导引运输车(AGV)已被广泛应用于智能产线中。AGV是智能产线中物料运输环节的主要载体,广泛应用于智能产线,多AGV的自动运输离不开路径规划技术,多AGV同时工作存在AGV之间的冲突问题,多AGV路径优化算法具有挑战性,智能产线场景下AGV路径优化的研究具有现实意义。本文从四个方面研究多AGV路径优化问题,主要工作内容有(1)基于典型作业环境的场景分析,建立了静态和动态两种作业环境模型。针对静态作业环境,采用了拓扑法,解决了障碍物大小和形状对环境模型的影响。针对动态作业环境,基于障碍物运动方向和运动速度,建立了障碍物环境模型,消除了复杂动态环境的不确定性,以及环境检测误差等因素对环境模型的影响。(2)AGV样机设计。针对AGV的作业环境和功能需求,提出了 AGV的设计要求,并根据设计要求,完成了机械结构的设计和控制系统的选型和设计等工作,分析了 AGV的导航方式,解决了精准定位问题。(3)基于单AGV路径规划存在的两个问题,目标不可达和局部最优,提出了一种人工势场法,研究其斥力势场函数功能,改进并获得了全局路径优化算法。研究局部路径规划方法,采用了动态窗口法,控制调整其评估函数中的评估系数,实现动态窗口法最大化,以及适应复杂环境的能力。最后,应用MATLAB仿真实验,验证了全局和局部路径规划的有效性。(4)针对多AGV作业环境下,存在AGV之间的路口冲突问题,提出了 AGV 路径问题(Automatic guided vehicle Routing Problem,ARP),采用克隆选择算法,解决复杂环境中的多AGV路径优化问题。其中,为解决AGV之间的路径竞争路径问题,建立了数学模型。为了进一步提高协调性,改进了克隆选择算法,保证AGV间实现无碰撞行驶,通过仿真验证了该算法的优越性。本文紧密结合智能产线特点以及AGV的功能要求,充分发挥智能优化算法的优势,在AGV不发生路径冲突的前提下,较好地解决了典型智能产线场景下多AGV多目标规划问题。