(1)導引及定位技術(shù)

　　作為AGV技術(shù)研究的核心部分，導引及定位技術(shù)的優(yōu)劣將直接關(guān)系著AGV的性能穩(wěn)定性、自動化程度及應(yīng)用實用性。

　　(2)路徑規(guī)劃和任務(wù)調(diào)度技術(shù)

　　第一，行駛路徑規(guī)劃。行駛路徑規(guī)劃是指解決AGV從出發(fā)點到目標點的路徑問題，即“如何去”的問題。現(xiàn)階段國內(nèi)外已經(jīng)有大量的人工智能算法被應(yīng)用于AGV行駛路徑規(guī)劃中，如蟻群算法、遺傳算法、圖論法、虛擬力法、神經(jīng)網(wǎng)絡(luò)和AI算法等。

　　第二，作業(yè)任務(wù)調(diào)度。作業(yè)任務(wù)調(diào)度是指根據(jù)當前作業(yè)的請求對任務(wù)進行處理，包括對基于一定規(guī)則的任務(wù)進行排序并安排合適的AGV處理任務(wù)等。需要綜合考慮各個AGV的任務(wù)執(zhí)行次數(shù)、電能供應(yīng)時間、工作與空閑時間等多個因素，以達到資源的合理應(yīng)用和最優(yōu)分配。

　　第三，多機協(xié)調(diào)工作。多機協(xié)調(diào)工作是指如何有效利用多個AGV共同完成某一復(fù)雜任務(wù)，并解決過程中可能出現(xiàn)的系統(tǒng)沖突、資源競爭和死鎖等一系列問題。現(xiàn)在常用的多機協(xié)調(diào)方法包括分布式協(xié)調(diào)控制法、道路交通規(guī)則控制法、基于多智能體理論控制法和基于Petri網(wǎng)理論的多機器人控制法。

　　(3)運動控制技術(shù)

　　不同的車輪機構(gòu)和布局有著不同的轉(zhuǎn)向和控制方式，現(xiàn)階段AGV的轉(zhuǎn)向驅(qū)動方式包括如下兩種：兩輪差速驅(qū)動轉(zhuǎn)向方式，即將兩獨立驅(qū)動輪同軸平行地固定于車體中部，其它的自由萬向輪其支撐作用，控制器通過調(diào)節(jié)兩驅(qū)動輪的轉(zhuǎn)速和轉(zhuǎn)向，可以實現(xiàn)任意轉(zhuǎn)彎半徑的轉(zhuǎn)向;操舵輪控制轉(zhuǎn)向方式，即通過控制操舵輪的偏航角實現(xiàn)轉(zhuǎn)彎，其存在最小轉(zhuǎn)彎半徑的限制。

　　控制系統(tǒng)通過安裝在驅(qū)動軸上的編碼器反饋來組成一個閉環(huán)系統(tǒng)，目前基于兩輪差速驅(qū)動的AGV路徑跟蹤方法主要有：PID控制法、最優(yōu)預(yù)測控制法、專家系統(tǒng)控制法、神經(jīng)網(wǎng)絡(luò)控制法和模糊控制法。

　　(4)信息融合技術(shù)

　　信息融合是指利用多源信息的關(guān)聯(lián)組合，充分識別、分析、估計和調(diào)度數(shù)據(jù)，完成下達決策和精確處理信息的任務(wù)，并對周圍環(huán)境、戰(zhàn)況等進行適度的估計。目前，在導引領(lǐng)域研究和應(yīng)用的信息融合技術(shù)主要有Kalman濾波、貝葉斯估計法與D-S證據(jù)推理等，其中以Kalman濾波最廣。Kalman濾波具有良好的實時性，但它是建立在嚴格的數(shù)學模型的基礎(chǔ)上，當導引模型存在較大建模誤差或者系統(tǒng)特性發(fā)生變化時往往會導致濾波發(fā)散。

　　為提高濾波算法的魯棒性和自適應(yīng)能力，可針對AGV的導引要求與特點，研究適當?shù)淖赃m應(yīng)Kalman濾波算法、魯棒濾波算法或智能濾波(如模糊推理、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng))方法等。