自动导引车是一种具有柔性且满足复杂物料搬运需求的智能轮式移动机器人,已经成为大型仓储货物搬运与分拣的重要设备之一。其中自动引导车的路径跟踪控制算法和定位算法的精确性决定AGV能否完成预定目标任务。自抗扰控制器是继承经典PID技术精髓,吸取现代控制理论成果,通过非线性反馈结构及相应的非线性控制率,对难以控制的非线性系统进行有效的控制,并在实际应用中取得成果。但同时自抗扰控制器参数较多,不易整定,高志强教授将自抗扰控制器中非线性部分重新改造为线性部分,提出了线性自抗扰控制。用传统的经验法整定线性自抗扰控制器的参数难度较大,为此,本文在标准的量子粒子群优化算法的框架基础上,结合混沌优化算法的提出了一种改进的混沌量子粒子群优化算法。其基本思想为:用混沌优化算法改变量子粒子群的局部吸引参数,当量子粒子群算法陷入局部最优解时,通过以局部最优解为中心引入混沌优化算法解决粒子陷入局部最优解的问题,提升优化算法的收敛精度。针对路径纠偏控制问题,分析AGV的运动学模型后得到角度偏差、距离偏差与左右驱动轮的速度之间的关系,考虑自动引导车的驱动系统,加入到自动导引车的运动学模型中,从而建立自动引导车系统的空间模型。本文针对AGV的轨迹跟踪问题,通过将线速度分解为X轴、Y轴方向的速度分量,将多入多出的非线性运动学系统解耦为多个单入单出的线性系统,设计了基于线性自抗扰控制(LADRC)的轨迹跟踪控制器。对于AGV的定位算法,根据其车载传感器的特点,采用一种基于多传感器信息融合的方法估计自动引导车在给定环境中的位姿。为了验证本文设计的路径跟踪控制算法与定位算法的正确性,在自动导引车的仿真平台上进行相关的实验。仿真结果表明:与传统的PID控制器相比较,线性自抗扰控制器有较大优势,特别是在较大偏差下和车体自身参数变动下,能快速有效的完成路径跟踪。将本文设计的定位算法与路径跟踪算法在两轮差速驱动AGV的进行有关调试,实车实验结果表明本文设计的定位算法与路径跟踪控制器算法的可行性。