随着智能制造技术的不断发展,重型机械、轨道车辆、港口机场等行业都存在重型负载的智能搬运需求,对自动导引车(Automated Guided Vehicle,AGV)的承载能力和控制性能提出更高的技术要求。研究重载AGV的结构优化和运动控制,具有显著的工程应用价值。首先,对重载AGV的车体结构进行拓扑优化和尺寸优化,以提高其机械系统的控制响应特性和能量利用效率。一方面,采用变密度法和SIMP插值方法建立了重载AGV车体结构的拓扑优化模型,研究了最优准则法的灵敏度函数和迭代求解方程,利用ANSYS软件求解了AGV车体结构的拓扑优化结果。另一方面,在拓扑优化的基础上,分析了AGV结构尺寸优化的力学约束和几何约束,建立了结构尺寸的多目标优化函数并采用遗传算法进行求解。最后,结合拓扑优化和尺寸优化的结果,完善了重载AGV车体结构的设计方案,并利用ANSYS软件验证了AGV车体的刚度和强度。其次,建立了差速驱动重载AGV的运动学模型和动力学模型,并提出了一种基于Backstepping运动学控制与模糊滑模动力学控制的混合鲁棒控制方法。仿真实验结果表明,Backstepping技术在速度环有效提高了AGV对导引路径的跟踪精度。模糊滑模变结构控制将模糊控制和滑模变结构控制有机结合,克服了AGV动力学模型参数的不确定性和外部未知干扰的影响,减小了滑模切换控制产生的抖动。为了验证上述方法的实际控制效果,本文研制了重载AGV实验系统,完成了大载荷搬运的路径跟踪实验。系统实验结果表明,该方法可有效提高重载AGV的承载能力和运动控制精度。