自主导航车(Automated Guided Vehicle,AGV)广泛应用于物流仓储、交通运输、装配制造等领域,是无人车控制的研究热点。现代工业对AGV的控制要求,除加速减速、前进后退等基础功能外,还要求具备轨迹跟踪、路径规划、任务调度、环境感知等功能。为提高自动化水平、降低生产成本,本文设计了一种基于蚁群算法的AGV控制系统。首先,研究了AGV的轨迹跟踪问题。根据AGV的运动学和动力学特性,提出了一种基于反步法(Backstepping)和滑模控制的混合算法。利用Backstepping设计的运动学控制器,有效减小了AGV的位姿跟踪误差;采用滑模控制的方法设计的动力学控制器,解决了系统的不确定问题。仿真结果表明,该算法动态响应快、稳态误差小,能够有效消除滑模控制引起的输入抖振。其次,研究了AGV的路径规划问题。在蚁群算法中引入差分进化算法,通过适应度函数将蚁群分类,利用信息素更新策略不断加大优种群的信息素浓度,提出了一种基于改进蚁群算法的AGV路径规划方法。改进后的蚁群算法收敛速度快、精度高,当出现U型障碍物时,算法不会停滞,适合复杂环境下的AGV路径优化。再次,研究了多AGV系统的调度问题。基于多AGV系统的路径规划,提出了用蚁群算法来求解带有时间窗的车辆路径问题(Vehicle Routing Problems with Time Windows,VRPTW)。针对交叉冲突现象,利用蚁群二次规划算法,人为增加一个交叉栅格,使两台AGV以不同的时间通过交叉路口,从而避免交叉冲突的发生。相对于遗传算法,用该算法求解VRPTW问题有效且性能优良。最后,以STM32F103C8T6为核心,设计了一个具有轨迹跟踪和路径规划能力的AGV控制系统。该系统采用上、下位机双层控制结构,方便数据的交互和指令的驱动,增强了AGV对复杂任务和多传感器的管理能力。实验结果表明,AGV系统能够灵活实现前进、后退、转向控制和轨迹跟踪、避障等功能,达到了预期的设计效果。