1.一种AGV轨迹跟踪方法，其特征在于，采用一种基于最优控制器设计的新优化算法进行AGV轨迹跟踪，新优化算法包括如下步骤：步骤1、将被优化问题转化为最优控制器设计问题；

步骤2、根据最优控制器设计问题的最优控制输入和最优状态方程，提出新的迭代格式；

步骤3、设计具体的优化迭代算法；

所述步骤1中，首先，将被优化问题 转化为一个最优控制器设计问题，为状态s的目标函数；该最优控制器设计问题旨在通过设计控制序列u0,…,uM‑1来调节动态系统sk+1＝sk+uk的状态最终最小化一个性能指标；性能指标的公式如下：其中，uk表示第k次采样的控制输入，k＝0,1,…,M‑1；sk、sk+1分别表示第k次和第k+1次采样的状态；M是采样次数； 分别表示目标函数在sk、sM处的取值；sM表示第M次采样的状态；T为转置符号； 是给定的维度相容的正定加权矩阵；

所述步骤2中，最优控制输入的公式为：其中，u′k为最优控制输入；l＝k+1,…,M；sl为动态系统sk+1＝sk+uk第l次采样的状态；

为 在sl的梯度；

新的迭代格式如下：

其中，针对第k次采样，内循环共对应进行k次， 为进行k次内循环后的迭代终值；i为内循环迭代次数的序号； 分别表示内循环迭代时的初始值、第i‑1次迭代值、第i次迭代值； 表示 在sk的梯度； 表示在sk的海瑟矩阵；

所述步骤3中，优化迭代算法的具体过程如下：步骤3.1、选择 对于任意的初始状态s0和精度ε>0；

步骤3.2、执行公式(3)‑公式(5)得到sk+1；

步骤3.3、若||sk+1‑sk||>ε,则转至步骤3.2；否则停止，以sk+1作为被优化问题的解；

AGV轨迹跟踪方法具体包括如下步骤：步骤a、建立AGV的离散时间运动学模型；

步骤b、建立AGV的二次跟踪指标；

步骤c、将AGV轨迹跟踪问题描述成优化问题；优化问题为：其中， 是AGVN次采样控制输入堆成的列向量； 为Uk的转置； 是 的目标函数；

步骤d、利用新优化算法求解优化问题。

2.根据权利要求1所述的AGV轨迹跟踪方法，其特征在于，所述步骤a中，AGV的离散时间运动学模型为：其中，xk、yk、θk分别是第k次采样AGV在世界坐标系下的横坐标、纵坐标、车身偏航角；

xk+1、yk+1、θk+1分别是第k+1次采样AGV在世界坐标系下的横坐标、纵坐标、车身偏航角；vk是第k次采样车身的前进速度；ωk是第k次采样车身转向角速度；Ts是采样周期。

3.根据权利要求2所述AGV轨迹跟踪方法，其特征在于，所述步骤b中，AGV的二次跟踪指标为：T

其中，Uk＝[vk,ωk] 表示AGV第k次采样的控制输入； Xk＝[xk,yk,T

θk]、 分别表示第k次采样AGV在世界坐标系下的跟踪误差、位姿、参考位姿； 分别表示第k次采样AGV在世界坐标系下的参考横坐标、参考纵坐标、参考车身偏航角；Q是给定的维度相容的半正定加权矩阵；R是给定的维度相容的正定加权矩阵，与 的维度不同；N是AGV采样次数。

4.根据权利要求3所述AGV轨迹跟踪方法，其特征在于，所述步骤d中，利用新优化算法求解优化问题的公式如下：其中，j为外循环迭代次数的序号；i为内循环迭代次数的序号； 为外循环迭代时第j次迭代值； 和 分别表示外循环迭代时第j+1次和第j次迭代产生的 的迭代值； 分别表示内循环迭代时的初始值、第i‑1次迭代值、第i次迭代值； 表示 在 的梯度； 表示 在 的海瑟矩阵；

W是给定的与向量 维度相容的正定加权矩阵；

利用新优化算法求解优化问题的具体过程如下：步骤d.1、给定控制输入堆成的列向量的初始迭代值 和精度ε>0；

步骤d.2、执行公式(9)‑公式(11)的更新关系，得到步骤d.3、若 转至步骤d.2继续更新；否则停止，以 作优化问题(8)的解。