1. 本选题研究的目的及意义

随着工业4.0时代的到来，智能制造已成为全球制造业的发展趋势，而自动化物流系统作为智能制造的重要组成部分，其柔性化、智能化和高效化直接影响着制造企业的生产效率和市场竞争力。

其中，自动导引小车（automatedguidedvehicle，agv）作为自动化物流系统的核心设备，凭借其灵活、高效、可靠等优势，在搬运、仓储、分拣等环节得到越来越广泛的应用。

本课题聚焦于搬运型agv的设计与研究，旨在开发一种智能化、高效、稳定的搬运系统，以满足现代化工业生产对柔性化、自动化物流的需求。

2. 本选题国内外研究状况综述

近年来，随着人工智能、物联网等新一代信息技术的快速发展，agv技术取得了显著进步，并在智能制造、智慧物流等领域得到了越来越广泛的应用，成为国内外学术界和工业界共同关注的热点研究方向。

1. 国内研究现状

我国agv研究起步较晚，但发展迅速，在国家政策的大力支持下，近年来取得了一系列重要成果。

3. 本选题研究的主要内容及写作提纲

1. 主要内容

本课题主要研究内容如下：
1.搬运型agv的需求分析：针对工厂、仓库等环境下的搬运需求，分析agv的功能需求、性能需求以及环境适应性需求，为agv的设计提供依据。

2.搬运型agv的机械结构设计：设计合理的agv机械结构，包括车体结构、驱动系统、搬运机构等，以满足负载能力、运行速度、稳定性等方面的要求。

4. 研究的方法与步骤

本课题的研究将采用理论分析、实验研究和仿真模拟相结合的方法，逐步推进，具体步骤如下：
1.需求分析阶段：通过查阅文献、实地调研等方式，对搬运型agv的应用需求、功能需求、性能需求进行分析，确定agv的设计目标和技术指标。

2.方案设计阶段：根据需求分析结果，进行agv的总体方案设计，包括机械结构设计、控制系统设计、导航与定位系统设计等，并进行方案的初步评估和筛选。

3.关键技术研究阶段：针对agv的路径规划、避障控制、多机协同等关键技术进行深入研究，设计相应的算法和策略，并通过仿真实验进行验证和优化。

5. 研究的创新点

本课题的创新点主要体现在以下几个方面：
1.融合深度学习的agv视觉导航方法研究：将深度学习技术应用于agv视觉导航，提高agv在复杂环境下的感知能力和定位精度，增强agv的鲁棒性和适应性。

2.基于多传感器融合的agv避障策略研究：融合多种传感器信息，如激光雷达、深度相机、超声波传感器等，实现agv对障碍物的多维度感知，并设计基于多传感器信息融合的避障策略，提高agv的避障精度和安全性。

3.面向动态环境的agv路径规划算法研究：针对工厂、仓库等动态环境，研究基于强化学习或其他智能算法的agv路径规划方法，使agv能够适应动态变化的环境，并优化路径规划效率和安全性。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

1.李团结,马书根,王越超.基于改进蚁群算法的agv路径规划[j].机械工程与自动化,2023,32(01):172-176.

2.张晓飞,张辉.基于stm32的agv控制系统设计[j].电子测量技术,2022,45(22):107-112.

3.李世坤,黄辉,陈友,等.基于改进a^*算法的agv路径规划[j].组合机床与自动化加工技术,2022(10):201-204.