随着工业中无人自动化和人工智能化水平的快速提高，实现智慧工厂的目标越来越急迫。自动导引运输车(AGV)作为智慧工厂中重要运输工具，目前在智慧工厂中已经取得广泛应用。AGV系统主要应用在物料运输环节，便于工厂的自动化管理，节省人力成本，提升车间的生产效率。本文基于合作项目研制AGV样机及控制管理系统，结合理论与实践重点解决路径规划技术的深入研究，主要研究内容如下:　　首先，AGV样机系统的研制，主要研究内容包括:硬件选型、控制系统搭建、程序开发与调试、上位机管理系统开发等，AGV系统结构包括上位机和下位机两部分。上位机负责地图模型管理、路径规划和任务管理;下位机为自主导引运输车，包括导引系统、运动控制系统、行走机构、安全装置、液压系统等。规划整个系统执行任务的流程，通过无线通讯使上位机和下位机之间进行指令控制和信息传输。　　其次，对于核心研究内容路径规划部分进行深入研究，路径规划方法分为全局规划和局部规划两类方法，研究全局路径规划方法:分别比较拓扑图法、可视图法和栅格图法三种建模方法，并选取栅格图法作为本文的地图建模方法，通过比较Dijkstra算法、A*算法和JPS算法三种算法的优缺点，选择搜索效率最高的JPS算法，并对其启发式函数改进、跳跃搜搜规则优化和路径轨迹优化处理，最终得到优化的全局规划JPS算法;研究局部路径规划方法:通过比较RRT算法、DWA算法和APF算法的优缺点，选择最适合本项目开发的局部路径规划DWA算法，并对其评估系数组合(α，β，γ)采用模糊推理控制方法，根据环境信息实时调整取评估系数组合，使DWA算法最大化适应复杂的工作环境，最后对全局和局部规划算法进行仿真实验，验证其有效性。　　最后，对全局规划和局部规划进行融合规划，得到完整的路径规划体系，能够在任何复杂的环境变量中，通过融合经过优化JPS算法和优化DWA算法规划出最优路径，然后使用移动机器人TurtleBot作为实验模型进行实验，在实验室对本文中融合JPS算法和DWA算法的路径规划方法进行实践验证，并取得很好的实际效果，算法效果良好，能够完美解决大多数情况下的路径规划问题。