随着新兴行业如电商、快递和医药等市场的高速发展,仓储物流领域中新的作业模式不断涌现。由于人力成本的持续上升,相关企业对自动导引车AGV系统在仓储物流领域的应用需求日益增长。物流中心内部的AGV系统典型作业场景包括仓内搬运和“货到人”拣选等。如何在较低成本下实现对AGV单机高精度的位姿控制和运行过程中的连续纠偏成为影响AGV系统在相关领域大规模应用的瓶颈问题。视觉导引AGV具有导引信息丰富、定位精度高、路径设置灵活和应用成本低等优势,是实现上述业务场景需求的解决方案之一。同时,在上述典型场景的大规模AGV系统中,均存在任务如何合理分配的共性问题,制约了系统的整体作业效率。因此,针对AGV系统在典型物流场景下单机控制和多机调度中的关键技术进行研究,具有重要的工程价值和科学意义。本文以典型物流场景下的AGV系统为研究对象,针对单机控制和多机调度中的关键问题,从单机路径跟踪控制,仓内搬运场景下的任务分配和“货到人”拣选场景下的任务分配三个方面开展了理论研究和仿真实验验证工作,主要工作和成果如下:1)针对典型场景下AGV系统单机路径跟踪控制中的高精度寻迹和位姿连续纠偏问题,使用视觉导引AGV做为解决方案,提出了一种基于模型预测控制理论的分段预测控制算法。充分利用图像传感器提供的详细导航信息,以角度偏差、位置偏差、转动半径和驱动器约束为边界约束条件将位姿状态分成三种位姿域,避免了人为设置边界约束参数对系统鲁棒性的影响。根据AGV所处的位姿域构建了基于纠偏-过渡-调整三阶段转化的控制策略,建立了各阶段的优化数学模型,解决了目标函数参数权重难以选择的问题。使用解析方法对模型进行求解,直接推导出最佳目标控制量,有效地简化了求解最优问题的计算过程,为高精度寻迹提供了技术支撑;使用两步预测方法调整控制量,实现了平稳地位姿连续纠偏控制。数值仿真和样机实验结果证明分段预测算法控制精度高且可以连续地调整AGV位姿状态,为典型物流场景下AGV系统多机调度高效率地应用奠定了基础。2)针对应用于仓内搬运场景下AGV系统多机调度中的任务分配问题,为了在满足作业任务时间窗约束的情况下降低系统作业资源消耗,提出了一种基于带时间窗的车辆路径问题VRPTW模型的集中式任务分配方法。首先,结合AGV系统在仓内搬运场景下的相关约束,以最小化总行驶距离为目标,将具有时间窗约束的静态任务分配问题转化为VRPTW问题。其次,构建了基于三层解空间概念的混合启发式算法进化分散搜索-粒子群算法ESS-PSO对模型进行求解,通过串联学习架构有效地整合了进化分散搜索算法和基于路径段的离散粒子群算法,提高了算法的整体性能。使用Solomon基准测试数据集进行验证,证明了算法可在时间窗约束条件下获得高质量的解。最后,结合仓内搬运场景的动态环境,设计了基于单辆AGV执行任务数的滚动时域动态调度策略。通过对某医药物流中心实际项目的仿真,证明了所设计的任务分配方法在仓内搬运场景存在作业任务时间窗约束的情况下可有效降低系统作业资源消耗。3)针对应用于“货到人”拣选场景下AGV系统多机调度中的任务分配问题,为了在满足作业任务具有排序优先约束的情况下提高系统的作业效率,提出了一种基于带转移时间的资源受限项目调度问题RCPSPTT模型的集中式任务分配方法。首先,根据“货到人”拣选场景的全新作业流程,以最小化完工时间为目标,将具有排序优先约束的任务分配问题转化为RCPSPTT问题。其次,提出了一种基于优先级规则的启发式算法对模型进行求解。考虑到“货到人”拣选场景中存在多个任务命中同一货架时AGV的特殊搬运需求,设计了专用的串行调度生成方案,可以高效地生成任务分配计划。为了进一步对任务分配计划进行优化,提出了一种基于建筑块的改进遗传算法BBX-GA,最大化地利用了基因排列中的潜力信息,维持了继承性和破坏性的平衡,且可以灵活调整交叉点的数量,提高了算法性能和收敛速度。根据实际作业场景生成了测试实例,计算结果证明了该算法具有在基于排序优先约束下快速获得较优可行解的能力。最后,基于某医药物流中心实际项目进行了仿真验证,测试和仿真结果表明所设计的任务分配方法可以在“货到人”拣选场景存在作业任务排序优先约束的情况下明显提高系统的作业效率。