随着科学技术的进步和智能物流系统的迅速发展,AGV(Automated Guided Vehicle)的应用越来越广泛,市场对AGV的要求也更多更高。传统AGV使用磁带、色带等进行导航,其定位范围和路径有很大的局限性,无法满足新应用对定位精度、轨迹灵活性和跟踪误差的要求。由此本文分析了传统方法的不足,针对需要精确定位和高灵活性的场合,研究了AGV的精确定位、轨迹规划和轨迹跟踪。提出了一种基于扩展卡尔曼滤波算法融合里程计和激光雷达数据的精确定位方法,给出了AGV多种路径的轨迹规划策略,设计了不依赖于模型参数的前馈控制+全状态反馈控制率的轨迹跟踪方法,实现了AGV的精确定位、轨迹规划和轨迹跟踪。具体内容如下:本文首先分析了常规的AGV定位方案,根据精确定位、轨迹灵活性的要求,选择里程计+激光雷达的定位方案。本文对如何从两者的定位数据中获得最优估计进行了深入研究,分析了里程计模型和激光雷达模型,采用扩展卡尔曼滤波算法融合里程计和激光雷达的定位数据,该算法定位精度高、更新频率快。其次进行了AGV轨迹规划方法研究。提出了符合AGV物理约束且平滑的直行、转弯和变道的路径生成方法,这三种路径及其组合可以满足大部分的应用。采用自适应Simpson公式计算路径弧长,然后用梯形速度曲线规划出轨迹点和轨迹速度,具有时间最优、高阶平滑和振动冲击小的特点。最后对AGV轨迹跟踪控制进行了研究。建立了线性化误差模型,设计了前馈控制+全状态反馈控制率的跟踪控制器。提出了分段增益选择策略和降低系统延时的多任务同步策略。提出了基于最小二乘法的车轮直径辨识方法以提高指令精度。为了验证以上算法的正确性,首先在Matlab平台上进行仿真验证。然后改装MIR100型AGV,搭建AGV定位与轨迹跟踪控制实验环境,进行了AGV精确定位、轨迹规划与轨迹跟踪控制实验。结果表明本文提出的定位算法精度高,更新频率快;轨迹规划算法简单易行,生成的轨迹满足物理约束,并且连续平滑;轨迹跟踪控制器结构简单,运算速度快,跟踪精度高。