移动搬运机器人（AGV）的关键技术

  （1）导引及定位技术。作为AGV技术研究的核心部分，导引及定位技术的优劣将直接关系着AGV的性能稳定性、自动化程度及应用实用性，表1为AGV的常见导引及定位技术。 

  （2）路径规划和任务调度技术。第一，行驶路径规划。行驶路径规划是指解决AGV从出发点到目标点的路径问题，即“如何去”的问题。现阶段国内外已经有大量的人工智能算法被应用于AGV行驶路径规划中，如蚁群算法、遗传算法、图论法、虚拟力法、神经网络和A*算法等。

 
  第二，作业任务调度。作业任务调度是指根据当前作业的请求对任务进行处理，包括对基于一定规则的任务进行排序并安排合适的AGV处理任务等。需要综合考虑各个AGV的任务执行次数、电能供应时间、工作与空闲时间等多个因素，以达到资源的合理应用和最优分配。 

  第三，多机协调工作。多机协调工作是指如何有效利用多个AGV共同完成某一复杂任务，并解决过程中可能出现的系统冲突、资源竞争和死锁等一系列问题。现在常用的多机协调方法包括分布式协调控制法、道路交通规则控制法、基于多智能体理论控制法和基于Petri网理论的多机器人控制法。 

  （3）运动控制技术。不同的车轮机构和布局有着不同的转向和控制方式，现阶段AGV的转向驱动方式包括如下两种：两轮差速驱动转向方式，即将两独立驱动轮同轴平行地固定于车体中部，其它的自由万向轮其支撑作用，控制器通过调节两驱动轮的转速和转向，可以实现任意转弯半径的转向；操舵轮控制转向方式，即通过控制操舵轮的偏航角实现转弯，其存在最小转弯半径的限制。

 
  控制系统通过安装在驱动轴上的编码器反馈来组成一个闭环系统，目前基于两轮差速驱动的AGV路径跟踪方法主要有：PID控制法、最优预测控制法、专家系统控制法、神经网络控制法和模糊控制法。 

  （4）信息融合技术。信息融合是指利用多源信息的关联组合，充分识别、分析、估计和调度数据，完成下达决策和精确处理信息的任务，并对周围环境、战况等进行适度的估计。目前，在导引领域研究和应用的信息融合技术主要有Kalman滤波、贝叶斯估计法与D-S证据推理等，其中以Kalman滤波最广。Kalman滤波具有良好的实时性，但它是建立在严格的数学模型的基础上，当导引模型存在较大建模误差或者系统特性发生变化时往往会导致滤波发散。为提高滤波算法的鲁棒性和自适应能力，可针对AGV的导引要求与特点，研究适当的自适应Kalman滤波算法、鲁棒滤波算法或智能滤波（如模糊推理、神经网络、专家系统）方法等。