智能工程机械能够深入地震、辐射等危险环境施工,可有效降低施工风险,保障人员安全,节约劳动成本,是工程机械继电动化后有又一发展趋势。自动作业是工程机械智能化的最终目的,自动驾驶是自动作业的基础功能,工程机械的作业环境复杂多变,主要作业于隧道、爆破现场、道路施工等场景,此类作业环境较城市道路、公路等更为复杂,不具备标识明显的车道线、路标、交通信号灯等驾驶辅助标识,基于乘用车的感知控制方法不能直接移植到工程机械上去。研制自动工程机械的首要任务就是根据工程机械工况特点,建立专用的工程机械自动驾驶行走系统。论文以某工程机械作业场景的自动驾驶任务为例,总结了针对施工作业的工程机械自动驾驶方案,分析了电动工程机械控制特性及工作场景特征,构建了针对工程机械作业的数据集;考虑到工程机械作业过程对感知的特殊需求,改进了YOLOv5网络结构,引入注意力机制优化了基于单目摄像头的目标检测效果;针对作业场景中的对象提出了基于双目摄像头的双目识别测距算法,对作业场景进行细粒度感知;通过分析工程机械自动驾驶环境感知方法和决策方案,在双目识别测距模型的基础上进一步改进,提出了针对电动履带挖掘机的自动驾驶行走系统。论文以YOLOv5网络结构为基础,将注意力机制引入YOLOv5网络结构并训练测试,试验证明CBAM注意力机制能够有效提高图像信息处理的效率和单目目标识别任务的检测能力,优化后的CBAM＿detection模型目标识别的平均精确度提高至81.81%。基于CBAM＿detection网络结构提出了双目识别测距模型,通过头部改造实现双目标anchor匹配和双目标非极大值抑制筛选,实现了双目标匹配抑制,在构建好的数据集上进行测试,双目目标识别的平均精确度可达71.23%,平均测距误差为4.11 m,测试证明双目识别测距模型的识别测距精度与数据集的规模成正比,随着数据集的进一步扩展,系统的检测测距精度将会得到进一步的提高。论文根据端到端方法对双目识别测距网络模型进行改进,将特征提取功能与决策功能相融合,提出了基于全连接层和控制信号更新的控制信号预测网络。通过在搭建好的工程机械作业场景数据集上测试,验证了所提出模型具有较好的预测、拟合能力。搭建了电动履带挖掘机自动驾驶测试平台,将所设计的自动驾驶方案应用于该平台并进行测试,试验结果表明模型能够完成电动履带挖掘机的自主导向驾驶,具有较好的响应实时性,能较好地应用于工程机械智能化系统中。