电控液压悬挂滑转率控制的好坏直接影响耕深均匀性,即影响耕作质量,也影响拖拉机的牵引效率。在保障耕深稳定的情况下,电控液压悬挂的滑转率控制是精细农业发展的要求,也是电控液压悬挂自动化、智能化控制的关键技术问题之一。基于此,论文以提高犁耕机组牵引效率为目的,保障耕深均匀为目标,研究了犁耕状态下犁耕机组电控液压悬挂滑转率自适应控制方法。首先,论文理论分析了滑转率、牵引力及牵引效率之间的关系以及影响犁耕机组牵引效率的因素,建立了滑转率和土壤负荷系数的牵引效率预测模型,试验验证了该模型的有效性。在此基础上,建立了以实际滑转率和牵引效率为参数的人工神经网络(Artificial Neural Network,ANN)最优滑转率识别模型。分析结果表明:ANN最优滑转率识别模型能够根据实际滑转率和牵引效率识别出犁耕机组牵引效率发挥出最大值时的最优滑转率。其次,论文建立了犁耕机组动力学模型,分析了最优滑转率识别和滑转自适应控制时表征工况的犁耕机组特征参数。并讨论了犁耕机组状态参数测量方法及测量误差修正方法。分析了滑转率测量方法,采用多参数Kalman融合滤波对滑转率进行了在线估计。设计了耕深直接和间接测量装置,探讨了耕深测量误差产生的原因,分别选用Kalman和线性拟合对耕深直接和间接测量误差进行修正。修正结果表明:拟合能够减小耕深测量偏差,Kalman预测能够剔除耕深测量值中的噪声。分析了影响犁耕阻力的参数,基于分析出的参数建立了预测水平方向犁耕阻力的ANN模型和多元回归模型,并分析了模型的性能,结果表明:ANN模型能够学习犁耕阻力与其影响因素间的非线性关系,预测性能更优。再次,论文设计了用于电控液压悬挂滑转率自适应控制的ANN模糊控制器和ANN模糊PID控制器,并对控制器性能进行仿真试验。仿真结果表明:模糊控制和模糊PID控制均能将滑转率控制在最优值,并且滑转率控制时仅需较小的发动机扭矩便能发挥出较大的驱动力,提高了机组的牵引性能;单一模糊控制时油门开度会出现较大振荡和突变,收敛性较低,而模糊PID控制效果更优,响应更快。最后,论文分别进行目标滑转率控制和滑转率自适应控制试验及数据分析,试验结果表明:目标滑转率控制时实际滑转率和耕深波动较大,既无法维持机组平稳作业,也无法保障耕作质量;滑转率自适应控制能够识别出机组牵引效率发挥出最大值时的最优滑转率,并能通过调节发动机负荷特性使滑转率维持在最优值。滑转率自适应控制不仅保障了耕深稳定,促进了精细农业发展,而且提高了犁耕机组作业效率和牵引性能。