在经济全球化,工业4.0及可持续发展的影响下,国内各个制造企业都面临着转型升级的巨大挑战,尤其是最近几年,汽车市场中新能源汽车、互联网汽车、以及无人驾驶汽车等很多新产品的出现,使得汽车的更新换代和产品升级周期明显缩短。所以,对于汽车制造企业来说,生产线以及生产线的物流调度需要满足柔性化生产,而汽车的底盘生产线,由于其工艺选装的组合类型多,对柔性化的需求更加迫切。自动导引小车（Automated-Guided Vehicle,AGV）,目前在各个制造领域中被广泛运用,用于仓库与现场生产工位的物料运输。为了提高生产物料的供给效率,需要提升AGV的效率,解决满足各类约束条件下的最优路径规划。AGV小车在各类约束下的配送路径问题是典型的NP-Hard问题,传统算法求解此类问题具有效率低、计算代价高、容易陷入局部最优等问题,且订单式的生产模式、物料供给,无法满足生产车型配比变化,生产环境变化等情况。因此,本文重点通过智能型算法,并通过RFID的部署,对现场各类扰动因素进行实时捕获,用于解决动态生产环境下的AGV配送路径问题与底盘生产线集成调度问题。（1）根据汽车底盘生产线的物料配送特点,将AGV小车的行驶总路径长度、载重总量、每个工位都需得到物料配送等作为约束条件,建立路径最短的目标函数,并建立汽车底盘生产线的物料AGV配送模型,通过智能算法解决路径最优配送问题。（2）针对传统订单式的AGV配送方法无法满足现场车型生产配比变化,以及各类生产过程中,不可预估的扰动因素,如:设备突发故障、物料供给缺陷、生产质量问题等,提出了基于在汽车底盘生产线部署RFID的方案,通过RFID采集的数据如节拍、各个工位物料装配合格率、生产停机等信息,为算法提供实时的数据,通过对现场扰动因素的实时捕获,并将这些扰动因素转化为各个工位的时间窗口约束,作为算法的输入,提高算法的全局路径规划问题的能力。（3）随着射频识别技术（RFID）的飞速发展,使得对生产线的实时数据采集变得简单、可靠,通过对RFID硬件、软件部署,实现对汽车底盘生产线的托盘进行识别,通过控制托盘的输送,实现不同车型的不同装配线、工艺分配,实现生产线的柔性化调度,提升生产线的柔性化生产能力。针对柔性化生产的物料调度问题,提出了遗传算法和基于RFID技术的物流小车调度路径优化方案,并通过应用遗传算法对所建模型进行验证。最后,结合RFID技术,在底盘生产线搭建了生产过程扰动实时捕捉系统,实现底盘生产线的智能化监控,通过模拟仿真,验证了在实际生产过程中,基于RFID技术的生产线扰动因素监控,为智能算法提供数据输入、决策依据的方式,对于汽车底盘生产线的物流调度效率提升更具实际指导意义。