自动导引小车亦简称为AGV(Automatic Guided Vehicle),是一种典型的轮式机器人,其集成了机械电子、自动控制、图像处理以及计算机通信等多个学科技术,具有自动化程度高、运行安全可靠、应用灵活等特点,使其在物流仓储、柔性制造、智能巡检等方面有着极其广泛的运用。路径规划与动态避障问题作为AGV系统应用中的核心问题,研究AGV的路径规划与动态避障算法有着重要的理论和实践意义。本文主要是在AGV系统的路径规划和动态避障算法的研究基础上,对一些传统的路径规划算法和避障策略作出相应改进,进而提高AGV的运行效率以及其可靠性,并设计AGV系统软件验证改进算法实用性。主要研究内容如下:1、简要介绍AGV环境地图建模方法。研究了拓扑地图下Floyd算法与A*算法的AGV路径规划问题,将其应用于实际AGV路径规划中。研究了基于蚁群算法的AGV路径规划问题。针对传统的的蚁群算法收敛速度慢、易陷入局部最优等缺陷,提出用基于A*算法的启发函数,限定信息素的强度以及采用回退机制等措施改进传统的蚁群算法,并用Matlab仿真验证改进蚁群算法的有效性、快速性。2、在研究AGV动态避障问题的基础上,本文提出一种基于改进蚁群与A*双层规划算法,用以解决AGV动态避障问题。首先采用改进蚁群算法进行AGV的全局路径规划。然后在AGV的局部滚动预测规划中,采用相应的避碰策略选择局部最优子目标点,并用改进的A*算法进行局部路径规划。最后利用Matlab仿真验证基于改进蚁群与A*双层规划算法在AGV动态避障上有效性以及实时性。3、从AGV地面站以及AGV车载控制系统两方面,简要介绍AGV的系统组成。采用软件设计中面向对象以及模块化等编程方法,在LabWidows/CVI平台下用C/C++语言下实现AGV地面站软件以及AGV车载控制系统软件功能。将AGV系统软硬件进行联调,测试AGV地面站软件以及AGV车载控制系统软件的总体功能,并验证改进的路径规划算法的有效性以及实用性。