在動態環境下，AGV（Automated Guided Vehicle，自動導引車）係統的避障策略主要（yào）包括以下（xià）幾種：
1. 動（dòng）態窗口算法（Dynamic Window Approach, DWA）
動態窗口算法是一種能（néng）夠進行實時避障的局部規劃（huá）算（suàn）法。其基本原理是通過將AGV的位置約束轉化為速度約束，進而根據約束進行（háng）速度采樣。選定的一係列速度動作生成軌跡，結合評（píng）價函數選擇評分最高的軌跡，實現執行最優速（sù）度的問題。
2. 基於視覺的避（bì）障策略（luè）
利（lì）用視覺傳感器（如攝像（xiàng）頭）獲（huò）取環境信息，識別（bié）障礙物並規劃避障路（lù）徑。例（lì）如，通過雙目立體視覺係（xì）統（tǒng）確定圖像中任意點的三維坐標，從而實現AGV的障礙（ài）識別（bié）。
3. 改進的TEB（Time Elastic Band）算（suàn）法
在TEB算法的基（jī）礎（chǔ）上，對檢測到的不規則障礙物進行膨脹化（huà）處理（lǐ）並進行區（qū）域分級，再加入障礙物對速度的約束以減少AGV在複雜車間環境中受到的衝（chōng）擊。
4. 混合A*和改進TEB結（jié）合的雙層規劃算法
首先使用混合（hé）A*算法規（guī）劃（huá）AGV的全局路徑，再加（jiā）入碰撞檢（jiǎn）測模塊，並利用改進的TEB算法對檢測到會發（fā）生碰撞的障礙物進行局部避障。
5. 基於模糊控製的軌跡跟蹤算法
建立AGV的運動學模型，以被控量的誤差信號為輸入變量，利用模糊控製規則對其進行模糊判定，用Mamdani的最大值-最小值合成法（fǎ）進行模糊推理，最後輸出解模糊後的變量，設計融合了TEB算法的模糊控製器對AGV進行軌跡跟蹤。
6. 基於動態（tài）窗（chuāng）口法（DWA）算法的機器人動態避障路徑規（guī）劃
通過對（duì）機器人（rén）在（zài）短時間內可能達到的速度（dù）和角速度進行搜索，從而選擇最佳的速（sù）度和角速度組合，以達到規（guī）劃路徑（jìng）的目的。
7. 改進的蟻群（qún）算法（fǎ）
將（jiāng）信息素（sù）初始化為不均勻分布，增強最（zuì）優路徑對蟻群的吸引力，從（cóng）而加快算法的收斂（liǎn）速度。引（yǐn）入方向引導因子，改善傳統蟻群算法（fǎ）在路徑選擇上（shàng）的盲目性。調整信息素的揮發（fā）速度，避免算法在搜索（suǒ）過程中陷（xiàn）入早熟狀態。
這些避障策略各有優缺點，具體使用哪種策略需要根據（jù）實際應用場景和需求來（lái）決定。在實際應用（yòng）中，通常會結合多種避障策（cè）略，以實現更高（gāo）效、更（gèng）安全的AGV運行。
