本研究以能够满足水田田间管理作业需要的四轮独立转向高地隙水田管理机为研究平台,以降低水田管理过程中行驶轮系对水稻的压伤损害为目标,通过苗间间隙直线行驶方式,通过苗带识别、等效转向角预测、MPC预测控制,最终实现低伤苗直线辅助驾驶。研究采用激光雷达进行苗带识别,获取可行驶苗间间隙轨迹,针对转向结构存在游动间隙、初始角度差异等问题,采用机体传感器特征信息提取的BP神经网络等效转向角预测算法实现机体转向角预测,在获取行驶轨迹与转向角度的基础上,结合MPC模型预测控制算法,进行直线导航控制,从而实现高地隙水田管理机的低伤苗直线辅助驾驶。论文的主要研究内容及结论如下:1)提出了一种基于迭代斜率虚化均值聚类的水田苗带识别算法。在常规均值聚类算法的基础上,通过斜率虚化、分区迭代聚类、线性拟合,实现苗带轨迹识别,相比普通聚类算法,该算法以激光雷达探测水稻形态特征为基础,对探测的距离数据进行斜率转换与像素化,结合分区迭代聚类,从而实现苗带轨迹获取,经过四次田间实验,中位偏差最大值为24mm,前视1m范围内的横向偏差最大值42mm,满足水田直线辅助导航需要。2)提出以转向角频谱特征为参照的等效转向角BP神经网络预测算法。针对四轮独立转向高地隙水田管理机存在转向游动间隙问题,深入分析行驶过程中转向角、机体加速度、角速度等姿态参数的频谱特征,获得转向轮的功率谱峰值特征频率为0.2Hz的规律性参数,并以此为依据,作为BP神经网络的训练集周期因子,综合评价加速度、角速度等对等效转向角的训练效果,最后获得以Z轴角速度、左右前轮转向角参数为有效训练因子的结论。通过对测试集进行测试,BP神经网络预测的等效转向角的MSE值控制在0.44内,均方差误差控制在0.66°以内,验证了算法的有效性。3)针对水田管理机行驶时苗间间隙较窄问题,采用MPC模型预测控制算法进行直线辅助导航控制,对基于自行车模型的MPC算法进行建模分析,根据水田情况,进行了模型简化与推理,结合水田管理机实际技术参数与约束条件,进行MATLAB仿真,在速度为0.25m/s、转向控制噪音±1°、等效转向角误差±0.6°、轨迹噪音±4cm的情况下,采用等效转向角输入方式进行跟踪的轨迹偏差最大值为6.2cm,标准差为3.4cm,满足低伤苗轨迹跟踪行驶需求,验证基于MPC模型预测控制算法的水田管理机直线辅助导航的可行性。4)为验证理论与算法的可行性,开展一季水稻三次不同生长时期的田间试验。通过三期静态苗带轨迹检测,算法有效的识别出多苗带与轮迹特征。在探测范围内,前期与中期的的苗带中位点偏差分别为11mm、12mm,后期轮迹识别的中位偏差为24mm,在苗带特征识别状态下,苗间间隙的清晰度影响轨迹识别精度,从轮迹检测数据可以看出,水稻形态一致性影响轨迹识别精度。直线辅助驾驶测试中,中期试验激光雷达检测轨迹对应理论轨迹的均方差误差值为1cm,检测域内的最大误差为4cm,导航控制均方差误差值为1.05cm,最大误差值为4.1cm。后期试验激光雷达检测轨迹对应理论轨迹的均方差误差值为1.3cm,检测域内的最大误差为5.5cm,导航控制均方差误差值为1.4cm,最大误差值为6.2cm,采用等效转向角输入的MPC导航控制算法基本满足水田低伤苗跟踪行驶需求。总之,本文从苗带识别算法,转向轮等效转向角预测到直线辅助导航控制,都提出了对应的解决策略。通过本文提出的方法,高地隙水田管理机能够在水稻不同生长期进行轨迹识别,准确预测前轮转向角以及直线辅助导航,为高地隙水田管理机在水稻田的的低伤苗直线辅助驾驶提供了技术参考方案。