相比于传统车间设备布局的整齐、有序,柔性车间因生产需要,设备布局灵活、复杂。因此,柔性车间环境对搬运机器人的路径规划能力提出了更高的要求。为了提高路径规划算法的规划效率和搬运机器人的运行安全性,本文提出一种改进的蚁群算法应用于路径规划,并基于栅格地图环境对提出的算法进行了仿真及实验验证,为搬运机器人在柔性车间环境中的路径规划研究提供了参考。本文研究的具体工作为:（1）提出了基于高斯分布信息素挥发机制蚁群优化算法（GD-ACO）的全局路径规划方法,有效提高了算法的规划效率与搬运机器人的安全性。由于基本蚁群算法的信息素在全局搜索中保持定值,难以满足路径搜索的要求,因此提出信息素挥发服从高斯分布的改进蚁群算法。同时,通过距离约束过滤不合格的路径以降低无效信息素的累积,并实行精英蚂蚁策略。针对特殊障碍物分布问题,改进了启发函数。（2）提出了基于栅格变换的局部路径规划算法与基于增加路径选择的局部三次均匀B样条路径平滑算法,有效提高了局部路径规划效率与搬运机器人运行的连续性。针对动态障碍问题,首先采用GD-ACO算法得到全局路径。然后,在搬运机器人局部障碍预测部分,采用动态障碍物静态栅格化的栅格变换策略进行二次路径规划。针对全局路径规划结果,对路径进行平滑处理。（3）设计了基于反步法控制的路径跟踪控制器,实现搬运机器人对目标路径快速准确的跟踪。首先选取先锋机器人作为搬运机器人,建立了搬运机器人的运动学模型,然后基于反步法控制设计了路径跟踪控制器。在避免与障碍物碰撞的前提下,该控制策略能够使搬运机器人跟随目标路径快速准确的移动到目标位置,完成路径跟踪任务。（4）构建了实际的柔性车间地图环境进行搬运机器人路径规划实验,实验结果证明了本文提出的路径规划算法的有效性和可行性。首先,基于真实的柔性车间环境抽象出搬运机器人的工作环境,并通过栅格法进行环境建模。然后,基于GD-ACO算法与路径平滑算法得到目标路径。最后,基于反步法控制策略完成路径跟踪实验。综上所述,本文针对搬运机器人在柔性车间环境中的路径规划、路径平滑与路径跟踪等任务进行研究,解决了基本蚁群优化算法效率低以及搬运机器人行驶安全性差等关键问题,为搬运机器人在柔性车间环境中路径规划研究提供有效参考。