0 前言

近年来，自动导引小车(Automatic Guided Vehicle, AGV)因为其形式灵活、自主开发性高、功能性强等特点，一直被广泛应用于工厂、制造业中，尤其在仓储物流行业[1,2,3],直接代替了任务重复率大、劳动强度高的搬运与输送环节的人力劳动。AGV运动学和动力学模型的搭建是AGV轨迹跟踪控制等众多关键研究的基础，其构造的精准度直接影响着运动性能和任务准确性。目前相关的研究已经很多[4,5,6,7,8,9],但是大多数研究都没有将电机和驱动环节加入模型中来构建动力学整车数学模型。而在AGV轨迹跟踪控制的研究中，电机的影响是不可忽略的，没有考虑电机将会与实际的模型存在巨大误差。AGV常用的直流电机控制系统的非线性特性一直是其模型准确搭建的阻碍。为解决这个问题，相关学者提出各种仿真方法，包括二阶线性模型[10]、类等效模型[11,12]等，取得了良好的仿真效果。另外AGV经常会受到来自系统内部与外部环境的干扰，导致仿真的数学模型鲁棒性差。因此，如何使AGV仿真模型在干扰之下仍然保持良好的仿真效果成为了一个关键问题。

本文作者在研究AGV非线性系统模型时，主要针对来自于外部负载与质心变化的影响，将电机加入AGV仿真模型中，从而构架完整的AGV动力学整车数学模型，使得模型更加贴近实际系统，为AGV的其他技术研究提供更加精准的模型支持。另外，还提出利用改进遗传算法[13]对动力学模型的参数进行辨识，并通过实验对动力学模型的准确性进行验证。

1 AGV运动学模型

将具有非完整约束特性的差速驱动AGV作为研究对象，该AGV左右两边各安装一个驱动轮，前后各安装一个万向轮，结构如图1所示，其中两驱动轮采用电机轮。图中，X-Y为AGV的全局坐标系，XR-YR为局部坐标系，局部坐标系的原点为AGV的质心位置C,设2个坐标系之间的夹角为θ,方向以逆时针为正。

设AGV在全局坐标系中的位姿矢量为ξI=(x,y,θ)T,在局部坐标系中的位姿矢量为ξR=(xR,yR,θR)T,二者之间的映射关系[6]为

式中：R(θ)为正交旋转矩阵。

图1 AGV结构示意   

因为AGV满足运动学规律，因此式(2)、式(3)成立。

vl=ωlr,vr=ωrr (2)

ω(t)=vr−vll,v(t)=vr+vl2$\omega (t)=\frac{v{}_{\text{r}}-v{}_{\text{l}}}{l},v(t)=\frac{v{}_{\text{r}}+v{}_{\text{l}}}{2}$ (3)

式中：vl、vr分别为左、右驱动轮的线速度；ωl、ωr分别为左、右驱动轮的角速度；r为驱动轮的半径；l为两驱动轮的轮距；ω为车体的转向角速度；v为车体质心的线速度。

根据AGV的运动特性，对局部坐标系位姿矢量ξR求导可得式(4)。

式中：d为质心至驱动轴的垂向距离。

对式(1)进行求导，并联立式(2)、式(3)和式(4),可得式(5)

ξ˙I=⎡⎣⎢x˙y˙θ˙⎤⎦⎥=R(θ)ξ˙R=⎡⎣⎢cosθsinθ0−sinθcosθ0001⎤⎦⎥⎡⎣⎢x˙Ry˙Rθ˙R⎤⎦⎥=⎡⎣⎢⎢⎢rcosθ2+drsinθlrsinθ2−drcosθl−rlrcosθ2−drsinθlrsinθ2+drcosθlrl⎤⎦⎥⎥⎥[ωlωr]         (5)$\begin{array}{l}\dot{\mathit{\xi }}{}_{\text{Ι}}=\left[\begin{array}{c}\dot{x}\\ \dot{y}\\ \dot{\theta }\end{array}\right]=\mathit{R}(\theta )\dot{\mathit{\xi }}{}_{\text{R}}=\left[\begin{array}{ccc}\cos \theta & -\sin \theta & 0\\ \sin \theta & \cos \theta & 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}\dot{x}{}_{\text{R}}\\ \dot{y}{}_{\text{R}}\\ \dot{\theta }{}_{\text{R}}\end{array}\right]=\\ \left[\begin{array}{cc}\frac{r\text{c}\text{o}\text{s}\theta }{2}+\frac{dr\text{s}\text{i}\text{n}\theta }{l}& \frac{r\text{c}\text{o}\text{s}\theta }{2}-\frac{dr\text{s}\text{i}\text{n}\theta }{l}\\ \frac{r\text{s}\text{i}\text{n}\theta }{2}-\frac{dr\text{c}\text{o}\text{s}\theta }{l}& \frac{r\text{s}\text{i}\text{n}\theta }{2}+\frac{dr\text{c}\text{o}\text{s}\theta }{l}\\ -\frac{r}{l}& \frac{r}{l}\end{array}\right]\left[\begin{array}{c}\omega {}_{\text{l}}\\ \omega {}_{\text{r}}\end{array}\right](5)\end{array}$

定义AGV的广义位姿矢量为q=(x,y,θ,φl,φr)T,φl、φr分别为左右驱动轮的角位移。AGV满足非完整约束条件，即下式成立[6]:

A(q)q˙=0$\mathit{A}(\mathit{q})\dot{\mathit{q}}=0$ (6)

取一满秩矩阵S(q),使A(q)S(q)=0,故一定有组矢量V=(ωl,ωr)T,使q˙=S(q)V$\dot{\mathit{q}}=\mathit{S}(\mathit{q})\mathit{V}$成立，与式(5)结合，即可得AGV的运动学模型为

q˙=⎡⎣⎢⎢⎢⎢⎢⎢x˙y˙θ˙ωlωr⎤⎦⎥⎥⎥⎥⎥⎥=S(q)V=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢rcosθ2+drsinθlrsinθ2−drcosθl−rl10rcosθ2−drsinθlrsinθ2+drcosθlrl01⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥[ωlωr]         (8)$\begin{array}{l}\dot{\mathit{q}}=\left[\begin{array}{c}\dot{x}\\ \dot{y}\\ \dot{\theta }\\ \omega {}_{\text{l}}\\ \omega {}_{\text{r}}\end{array}\right]=\mathit{S}(\mathit{q})\mathit{V}=\\ \left[\begin{array}{cc}\frac{r\text{c}\text{o}\text{s}\theta }{2}+\frac{dr\text{s}\text{i}\text{n}\theta }{l}& \frac{r\text{c}\text{o}\text{s}\theta }{2}-\frac{dr\text{s}\text{i}\text{n}\theta }{l}\\ \frac{r\text{s}\text{i}\text{n}\theta }{2}-\frac{dr\text{c}\text{o}\text{s}\theta }{l}& \frac{r\text{s}\text{i}\text{n}\theta }{2}+\frac{dr\text{c}\text{o}\text{s}\theta }{l}\\ -\frac{r}{l}& \frac{r}{l}\\ 1& 0\\ 0& 1\end{array}\right]\left[\begin{array}{c}\omega {}_{\text{l}}\\ \omega {}_{\text{r}}\end{array}\right](8)\end{array}$

2 AGV本体动力学分析

动力学与运动学不同，它主要是确定AGV在受到外力作用时的运动结果，常规的AGV研究基本没有涉及到对动力学的研究，但是随着物流行业的快速发展，仓储物流AGV负载质量逐渐增大，为对AGV进行更精准的控制，通过调整电机的输出转动力矩控制驱动轮转速，以达到控制AGV位姿的目的。因此，进行AGV本体动力学模型的研究。动力学设计所用到的参数如表1所示。

表1 动力学参数定义 

如图1所示，分别在XR、YR以及Z方向对电机轴进行力矩平衡的受力分析，可得方程(9):

结合AGV位姿矢量q=(x,y,θ,φl,φr)T,通过拉格朗日的标准形式，得到：

Mq¨=Eτ−AT(q)λ$\mathit{{\rm M}}\ddot{\mathit{q}}=\mathit{E}\mathit{\tau }-\mathit{A}{}^{\text{Τ}}(\mathit{q})\mathit{\lambda }$ (10)

通过AGV的运动学模型即式(8)可以得到A(q)、S(q)满足等式A(q)S(q)=0。

联立整合上述方程，将式(6)两端同时乘以ST(q),与A(q)S(q)=0结合可得简化后的动力学方程为式(12),其中转动惯量Jl、Jr由下节确定。

τ=ST(q)Mq¨$\mathit{\tau }=\mathit{S}{}^{\text{Τ}}(\mathit{q})\mathit{{\rm M}}\ddot{\mathit{q}}$ (12)

3 AGV负载变化参数确定

在仓储物流的环境中，由于负载是随时可变的，并且不可忽略，导致质心的位置也不固定，一般动力学的质心都会假设为小车中心，与真实情况误差比较大，故作者借鉴了汽车动力学的相关理论知识，将AGV运动和车轮载荷结合进行分析，建立负载与转动惯量之间的对应关系，从而建立可变负载、变质心的差速AGV动力学模型。

3.1 车轮载荷分布

车轮载荷指AGV在停止或者水平运动情况下，车轮与车体垂直方向的受力情况。为方便分析，仅在AGV静止或匀速直线运动情况下对负载变化进行考虑，AGV的驱动轮和万向轮的载荷受力如图2所示。

图2 车轮载荷受力示意   

图2中，AGV的质心在点c处，在横轴与纵轴的分量分别为c′和c″,前、后万向轮距离c′的距离分别为la、lb,左、右驱动轮到c″的距离分别为ld、lc。根据力的平衡原理可以得到驱动轮及万向轮受到的垂直载荷为

Fl=Fr=mglb2(la+lb),Nf=Nb=mgld2(lc+ld)$F{}_{\text{l}}=F{}_{\text{r}}=\frac{mgl{}_{\text{b}}}{2(l{}_{\text{a}}+l{}_{\text{b}})},{\rm N}{}_{\text{f}}={\rm N}{}_{\text{b}}=\frac{mgl{}_{\text{d}}}{2(l{}_{\text{c}}+l{}_{\text{d}})}$ (13)

式中：Nf、Nb分别为前、后万向轮受到地面的约束力；Fl、Fr分别为左、右轮受到的约束力；g为重力加速度。

3.2 电机等效转动惯量

设AGV做直线运动，依据系统功率传递函数以及动能不变的折算原则，左右驱动轮的动能为

E=12Fgv2=12[mla2(la+lb)]v2$E=\frac{1}{2}\frac{F}{g}v{}^2=\frac{1}{2}\left[\frac{ml{}_{\text{a}}}{2\left(l{}_{\text{a}}+l{}_{\text{b}}\right)}\right]v{}^2$ (14)

电机轴的动能为

El=12Jlω2l  Er=12Jrω2r$E{}_{\text{l}}=\frac{1}{2}J{}_{\text{l}}\omega {}_{\text{l}}^{2}E{}_{\text{r}}=\frac{1}{2}J{}_{\text{r}}\omega {}_{\text{r}}^2$

联立式(13)、式(14)得出差速AGV左右两轮电机轴的转动惯量为

Jlx=mr22(lala+lb),Jly=mr22(lclc+ld)$J{}_{\text{l}x}=\frac{mr{}^2}{2}\left(\frac{l{}_{\text{a}}}{l{}_{\text{a}}+l{}_{\text{b}}}\right),J{}_{\text{l}y}=\frac{mr{}^2}{2}\left(\frac{l{}_{\text{c}}}{l{}_{\text{c}}+l{}_{\text{d}}}\right)$ (15)

Jrx=mr22(lala+lb),Jry=mr22(ldlc+ld)$J{}_{\text{r}x}=\frac{mr{}^2}{2}\left(\frac{l{}_{\text{a}}}{l{}_{\text{a}}+l{}_{\text{b}}}\right),J{}_{\text{r}y}=\frac{mr{}^2}{2}\left(\frac{l{}_{\text{d}}}{l{}_{\text{c}}+l{}_{\text{d}}}\right)$ (16)

Jl=Jlx2+Jly2−−−−−−−−−√,Jr=Jrx2+Jry2−−−−−−−−−√$J{}_{\text{l}}=\sqrt{J{}_{\text{l}x}{}^2+J{}_{\text{l}y}{}^2},J{}_{\text{r}}=\sqrt{J{}_{\text{r}x}{}^2+J{}_{\text{r}y}{}^2}$ (17)

由此，得出可变负载的Jl、Jr。将Jl、Jr代入式(12)可确定电机驱动力矩τ与AGV加速度矢量q⋅⋅$\stackrel{\cdot \cdot }{{\displaystyle \mathit{q}}}$之间的表达式。将此表达式与电机模型结合即可建立AGV整体的仿真模型。

4 AGV仿真模型

本文作者设计的AGV在动力学的基础上加入了双闭环直流电机的控制系统，这里将动力学模型与电机模型结合，简化复杂的电机模型，构造类等效模型，完成AGV完整仿真模型的建立。

4.1 双闭环直流电机控制系统

因为从AGV中提取实时的电压、电流以及各种元件的属性较为困难，无法精确地构造出轮毂电机的电机仿真模型，本文作者根据常见的直流电机双闭环控制系统，通过分析动态电压方程，构造类等效的电机模型。

对于目前的AGV,通常采用性能好、应用广的直流电机双闭环控制系统，与单闭环控制的系统相比，它拥有更好的动态性能和启动时响应速度快等优点。直流电机双闭环控制系统动态结构如图3所示。

图3 电机控制系统动态结构   

其中：WASR(s)为转速调节器传递函数，WACR(s)为电流调节器传递函数，Ks/(Tss+1)为PWM控制器与变换器的传递函数。

4.2 AGV电机系统动态结构

分析电机端电压和力矩之间的关系，涉及到的各个参数定义见表2。

表2 电机系统参数含义 

根据伺服电机动态电压方程可得式(18):

对式(12)求导，与式(18)结合得方程：

v˙=−[ST(q)MS(q)]−1⋅ST(q)MS˙(q)v+$\dot{\mathit{v}}=-\left[\mathit{S}{}^{\text{Τ}}(\mathit{q})\mathit{{\rm M}}\mathit{S}(\mathit{q})\right]{}^{-1}\cdot \mathit{S}{}^{\text{Τ}}(\mathit{q})\mathit{{\rm M}}\dot{\mathit{S}}(\mathit{q})\mathit{v}+$

[ST(q)MS(q)]-1τ (19)

将上述方程简化，可得轮速的非线性微分方程为

式中：

联立式(18)和式(20),得：

对式(22)进行拉普拉斯变换并整理得：

将上式转换为传递函数方框图，得到具有耦合关系的AGV电机系统动态结构方框图如图4所示。

图4 AGV电机系统动态结构方框图 

4.3 AGV仿真模型

利用特征分析与类等效建模法的方法，将双闭环直流电机控制系统和设计出的动力学模型结合在一起，简化成一个状态方程，如图5所示即为简化后的AGV系统的完整仿真模型。

图5 简化后的AGV类等效动力学模型   

图5中，Krl=lλr/rλr≈1/4、Klr=rλl/lλl≈1/4、Tl2=30i2Cmlηl/(πβl)、Tr2=30i2Cmrηr/(πβr)、JL=mr2/2、JR=mr2/2。Tl1、Tr1分别为左、右电机的积分时间常数，是一个定值；Klr、Krl分别为左、右轮WASR(s)的比例系数；Kl、Kr分别为左、右两轮间的相互耦合系数；λl、λr分别为左、右两轮的饱和限幅值。

5 改进的遗传算法参数辨识

AGV的仿真模型主要有电机模型和动力学模型，动力学模型中各个参数都为已知量，转动惯量随着负载的变化而变化，也是明确的。但是，在电机模型中，左右轮的模型参数T1、T2、K、α、λ均为待变量，需要寻找合适的辨识方法进行整定，本文作者采用改进后的遗传算法[13]对这几个参数进行识别。

5.1 改进的遗传算法整体设计

遗传算法的标准形式尽管存在着概率值较小的问题，易于早熟收敛或近亲繁殖，但是产生局部最优解的概率仍然比较高，需要进行多次计算，或者提高基础种群的代数，但是会导致系统更加复杂，使得计算效率偏低。针对以上不足，可采取一些改进措施，如使用动态编码代替二进制编码，选用反馈式突变方法等对标准遗传算法进行改进。改进遗传算法的具体步骤：(1)采集样本的数据；(2)确定适应度函数F;(3)设定种群的大小和进化代数、交叉率和变异率等基础参数；(4)通过混合编码的方法生成个体为M的初始种群；(5)通过对种群中每一个个体求取适应度函数值确定其适应度，然后根据其大小进行排序，根据其大小赋予存活概率，保证全局最优解的产生；(6)计算所有群体的适应度值；(7)若整个种群适应度值小于其限值，则进行集成动态编码反馈式突变，使得种群个体发生大规模的变化，回到步骤(5)重新计算，这样使得局部寻优的可能性减低，提高了计算效率；(8)采用比例选择方法，根据每个个体的适应度排序赋予其相应的生存概率；(9)进行可变精度的交叉操作；(10)对染色体两两通过正交矩阵试验，创造较优的个体；(11)将其进行混合变异；(12)继续重复以上步骤(8)—(11),到新的子代达到M×PC/2个为止；(13)将上一代种群和后代种群进行组合排序，根据适应度的大小对整体种群进行排列；(14)在其中选取前M个个体作为新的种群；(15)确定其中的最优个体为遗传算法的最优解；(16)若最优个体与已定条件不符合，则返回步骤(6)—(15)重新计算；(17)算法终止。

5.2 改进的遗传算法适应度函数

适应度的设定是遗传算法中的重中之重，它是决定每个个体生存概率的重要指标，对它的设计精准与否直接关系着整个算法的精准程度。

由于使用适应度函数需要与每一个个体比较、排序并且以此为计算基础选择概率，故适应度函数的大小为正值。在很多地方，均将系统的目标函数映射设置为非负的最大值进行研究。

文中的适应度函数定义为左右轮的实际速度与仿真速度的均值误差或者实际位移与期望位移的均值误差的倒数，即为式(24):

F(z)=ks/f(z) (24)

式中：f(z)由式(25)或式(26)定义。

f(z)=∑i=1m|vlc(i)−vls(i)|m+∑i=1m|vrc(i)−vrs(i)|m$f(z)=\frac{{\displaystyle \sum _{i=1}^m\left|v{}_{\text{l}\text{c}}(i)-v{}_{\text{l}\text{s}}(i)\right|}}{m}+\frac{{\displaystyle \sum _{i=1}^m\left|v{}_{\text{r}\text{c}}(i)-v{}_{\text{r}\text{s}}(i)\right|}}{m}$ (25)

f(z)=∑i=1m|xc(i)−xs(i)|m+∑i=1m|yc(i)−ys(i)|m$f(z)=\frac{{\displaystyle \sum _{i=1}^m\left|x{}_{\text{c}}(i)-x{}_{\text{s}}(i)\right|}}{m}+\frac{{\displaystyle \sum _{i=1}^m\left|y{}_{\text{c}}(i)-y{}_{\text{s}}(i)\right|}}{m}$ (26)

式中：m为总个数；vc(i)、vs(i)分别为左右轮在单位时间的实际速度与仿真速度；xc(i)、xs(i)分别为X方向上动力学轨迹与期望轨迹在单位时间的位移；yc(i)、ys(i)分别为Y方向上动力学轨迹与期望轨迹在单位时间的位移；ks为正常数。

关于AGV仿真模型的参数调节器，对应的遗传算法参数定义以及规则制定如表3所示。

表3 遗传算法定义 

遗传算法的计算步骤：

(1)确定待辨识参数为ch={T1,K,T2,α,λ}。

(2)遗传算法参数确定，如表3所示。

(3)首先估算出参数的大致范围。根据AGV仿真公式以及电机参数的确定得：

①α的估算。α是固定值，用来调节实际轮速和期望轮速之间比值，一般选取范围为1±0.1。

②T2的估算。由公式T2=30Cmη/(πβ),其中各个参数均为电机的内部参数，经实验估算出T2的范围为(0,5)。

③T1和K的估算。T1和K分别为积分时间常数、比例常数，均为电机模型的固有参数，根据经验得：T1=(1,15)、K=(1,10)。

④λ的估算。λ为饱和限幅值，根据公式λT/J=n,J为转动惯量一般取0.01 kg·m2左右，n为速度为1 s时的响应值，故估算λ为(150,300)。

完成上述步骤后，选择在MATLAB环境下设计程序，取仿真步长为10 ms, 求解遗传算法适应度。

6 AGV仿真模型准确性验证

对左右驱动轮输入速度阶跃信号，与实际系统AGV速度响应信号进行比较，确定本文作者设计的动力学模型的准确性。由上节可知：左右轮的模型参数T1、T2、K、α、λ都为AGV物理系统的固有参数，均为常量。因此，首先选取AGV在0.7 m/s、5 kg情况下的实验数据作为参考，采用遗传算法对以上未知参数进行辨识。其次，通过对比载质量为5 kg的AGV在0.5、1 、1.5 m/s速度下的仿真结果与实验数据，对模型的准确性进行验证。

6.1 AGV仿真模型整体辨识过程

根据第5节中介绍的遗传算法对驱动系统模型参数进行整定，具体辨识过程：由计算机给予左右轮的线速度指令为0.7 m/s, 如图6所示，运行时间为2 s, 得到实际的速度输出；然后，与类等效动力学中的仿真输出对比，改进遗传算法以后，得到了如图7所示的个体适应度进化曲线，进而确定了表4所示的左右轮模型参数；最后，通过下位机反馈给上位机线速度数据，并与仿真后的速度进行对比，结果如图8所示。由于适应度函数以最大值求取，故图7中最优解的变化曲线在上面，横向对比可知，最优解从0代到40代不断上升，到达40代以后便趋于平稳，故寻优效果是与预期相符的。

图6 速度指令   

图7 个体适应度进化曲线   

表4 类等效模型参数 

图8 轮速为0.7 m/s时模型和实际系统速度响应   

由图8可知：AGV仿真模型与实际AGV系统的速度输出上升幅度大致相同，只是在收敛期间有些许的差距，但是二者最终都约在t=1 s时达到了稳态，故模型整体与实际比较一致。

6.2 不同速度响应的评价指标分析

为进一步验证AGV仿真模型的精准性，分别在0.5、1、1.5 m/s速度下对AGV仿真模型与实际系统的响应进行评价指标分析。

依据第6.1节确定的模型参数，AGV仿真模型与实际系统在0.5、1、1.5 m/s速度下的左右轮响应如图9所示。

图9 模型和实际系统响应对比  

采用如下评价指标对图9所示曲线进行定量的比较，得表5和表6。

①平均误差

EX=∑i=1m|e(i)|m$\text{E}\text{X}=\frac{{\displaystyle \sum _{i=1}^m\left|e(i)\right|}}{m}$ (27)

e(i)=|vc(i)-vs(i)| (28)

式中：vc(i)为期望系统第i个采样时刻的速度；vs(i)为AGV实体第i个采样时刻的速度。

②超调量

MD=max(|e(1)|,|e(2)|,......,|e(i)|) (29)

③响应时间

RT=Tr(i) 或 RT=Tf(i) (30)

式中：Tr(i)为系统误差上升时间趋于稳定状态90%的时刻；Tf(i)为系统误差下降时间趋于稳定状态90%的时刻。

④稳态误差公式

ess=limt→∞e(i)=limt→∞[vc(i)−vs(i)]$e{}_{\text{s}\text{s}}=\underset{t\to \infty }{{\displaystyle \lim }}e(i)=\underset{t\to \infty }{{\displaystyle \lim }}\left[v{}_{\text{c}}(i)-v{}_{\text{s}}(i)\right]$ (31)

表5 左轮模型和实际系统误差评价指标分析 

表6 右轮模型和实际系统误差评价指标分析 

分析图9和表5、表6可知：AGV仿真模型和实际系统在速度上升期几乎一致，响应最大值与到达时间保持同步，平均误差仅为稳态值的6%,在速度最大达到1.5 m/s时其左右轮平均误差在0.1 m/s内，最大的超调量也小于自身速度的1/3,响应时间均在1.1 s内，且左右轮速变化程度大致相同。虽然随着速度的增加，模型与AGV实际系统的误差逐渐增大，但是稳态误差几乎在同一时间趋向于0,稳态误差仅占稳态值的3%,故可以验证AGV仿真模型的有效性。

7 结论

本文作者首先建立了驱动轮和质心不重合情况下的差速驱动AGV的运动学模型和AGV本体的动力学模型，然后结合双闭环直流电机控制系统，利用伺服电机动态电压方程，建立了类等效的含有未知参数的AGV动力学整车仿真模型。通过改进的遗传算法，以实际系统的速度为基础，对仿真模型进行了参数辨识，确定了AGV仿真模型中的未知参数，再与AGV实体的其他速度响应进行对比分析，发现该模型符合AGV实体的响应，验证了本文作者提出的AGV动力学整车模型是可行的、精准的，可为其他类型AGV的研究提供帮助。