目前制造行业的自动化水平不高,大多处于半自动化水平,随着人力成本的不断提高,企业必须进行自动化改革来降低产品的生产成本,提升自身产品的价格优势。AGV(Automated Guided Vehicle)是集机械、通信、自动控制等技术于一体的产品,通过无线网络技术将多个AGV组成一个车间物流系统来实现工件的自动转运,在此基础上,通过调度算法可以实现工件加工、装配、转运等任务的自动分配。调度算法是连接各个环节的关键部分,通过对调度算法的优化,不仅可以实现自动化生产与监控,也可以优化生产资源的分配,实现资源的最大化利用。本文以自动化生产线为背景,采用视觉导引AGV来完成车间的搬运任务,通过调度算法实现车间AGV、加工机器等有限资源的最大化利用,最后为AGV寻找到无冲突的可行路径,具体内容如下:(1)完成了AGV实验平台的搭建,在此基础上,本文采用Lab VIEW平台来处理摄像头采集的图像信息,通过图像矫正、分割、形态学处理、语义提取等操作,得到了AGV运行过程中的轨迹偏差信息,通过实验分析,发现该平台可以快速的识别出AGV的轨迹偏差,满足实时运算的要求。(2)根据AGV的运行环境,建立了AGV的运动模型与误差模型,然后采用模糊控制算法来完成对AGV运动的纠偏,最后利用Simulink搭建AGV运动的纠偏模型,通过仿真实验证明了该算法可以取得很好的控制效果。(3)根据生产线上工件的生产环境,建立了AGV运行的电子地图,并据此建立了加工任务和搬运任务的求解模型,然后采用遗传算法来求解最佳分配方案。但传统的遗传算法容易陷入局部最优值,所以本文采用改进的遗传算法搜索最优解,首先引入了动态的交叉和变异概率,此外,在算法进行交叉操作时,先对个体按适应值进行排序,然后依次进行交叉操作。通过仿真实验发现改进后的算法求解到的任务完成时间是146,相比改进前求得的任务完成时间198,可以知道改进后的算法具有更好的寻优性能。(4)采用了基于区域通行时间管控的方法来解决多AGV的冲突问题,在保证不影响机器加工和AGV执行其它任务的前提下,通过调节AGV通过各个区域的时间来解决多AGV冲突问题,最后利用粒子群算法进行求解,证明该方法可以找到无路径冲突的通行方案。