农机自动驾驶作为精准农业体系中的一项核心技术,可减轻农业生产的劳动强度,减少对劳动力的依赖,降低生产成本,全面提升规模化农业的“耕、种、管、收”过程的效率。国内农机自动驾驶技术开发起步较晚,农机自动驾驶系统的总体性能及稳定性亟需提升。目前,农机自动驾驶系统研究还存在着一些问题,本文针对这些问题,将开展工作如下:（1）针对因定位设备的安装偏差引入错误的航向信息的问题,本研究引入扩展卡尔曼滤波算法融合GPS-RTK技术和IMU模块以获取定位点及姿态信息,对错误的农机的航向误差进行修正。在Matlab中引入无卡尔曼滤波和一阶线性卡尔曼滤波模式进行仿真分析和对比试验,验证了基于EKF算法的GPS-RTK和IMU组合导航方式,能有效消除因定位设备的安装偏差而导致的航向静态误差,提供一个更稳定可靠的定位点和航向信息。（2）针对控制算法建模的精准性问题,依据转向模型的工作原理,将方向盘转角与前轮转角间存在的明显滞后现象考虑为一个一阶惯性环节和比例环节进行建模辨识。通过采集农机在平坦路面中行驶时的电机转角与前轮转角数据,使用递归最小二乘法对转向系统进行离线辨识试验,验证了辨识算法对模型辨识的有效性,使该模型可以更加符合农机实际作业时的转向过程,以进一步提升控制算法的模型精度。（3）针对农机实际作业中要求高精度直线跟踪性能和速度适应性的问题,本文提出一种以Stanley算法引导农机快速入线和以四阶LQR算法跟踪直线路径的级联式控制算法。采用Matlab搭建了控制算法仿真平台,通过设计仿真对比试验,验证了级联式控制算法具有良好的入线性能、高精度的线上跟踪精度以及速度适应性。另外,设定航向偏差量模拟定位系统的安装偏差,同时与无卡尔曼滤波模式和一阶线性滤波模式进行对比,验证了基于EKF算法的级联式控制算法在入线后消除静态航向误差的效果更佳,有效提升控制性能。（4）基于以上研究成果,为了进一步验证自动驾驶系统控制算法的在入线性能与直线精度及稳定性方面能否满足实际农机作业性能要求,本研究以约翰迪尔904型号农机为载体搭建了自动驾驶系统试验平台,在实际农田道路进行实车试验。试验结果表明,该自动驾驶系统控制农机入线平滑,超调量较小、无振荡,且具有良好的动态特性;当农机行驶速度为3.6km/h时,直线跟踪精度控制在横向误差绝对值为2.5cm范围内,并且在5.4km/h和8km/h的农机中高速作业工况下都具有良好的直线控制精度,体现系统良好的速度适应性和抗干扰能力,满足实际农机高精度的直线作业要求。