摘要：为推动小麦规模化精准生产，针对人工驾驶大型拖拉机作业精度不足、效率偏低等问题，设计适配小麦生产的大型拖拉机自动驾驶系统。系统集成GNSS/RTK定位、惯性导航融合模块，优化路径规划与PID控制算法，建立作业参数协同调控机制。在山东省菏泽市小麦基地进行了田间对比试验，涵盖深松整地、免耕播种、联合收获等作业环节。试验结果表明，设计的驾驶系统直线度偏差≤3.5cm，作业重叠率≤4.1%，收获损失率降至1.7%以下，作业速度较人工驾驶提高22.6%—29.7%，单位面积作业总成本降低14.0%，小麦产量提升4.2%。系统适配性与稳定性良好，为小麦规模化生产提质增效提供了技术支撑。

　　关键词：大型拖拉机；自动驾驶系统；小麦生产；精准作业；田间试验；效益评估

　　1.引言

　　小麦作为我国主要粮食作物，规模化和精准化生产是保障粮食安全的核心路径[1]。当前小麦生产全程机械化已基本实现，但人工驾驶大型拖拉机作业时易受疲劳、经验差异等因素影响，导致作业精度不足、资源浪费等问题。大型拖拉机自动驾驶系统依托全球卫星导航系统/实时动态差分技术（GNSS/RTK）、惯性导航融合等技术，可实现田间作业的自动化与精准化控制，为小麦生产提质增效提供技术支持。刘慧（2023）指出智能农机装备是突破传统农业生产瓶颈的关键，其在主粮作物生产中的应用可显著提升作业一致性与资源利用效率[2]；贺佳贝（2025）认为自动驾驶系统与小麦生产农艺的深度融合，能够降低人工依赖，推动规模化种植模式下的标准化生产[3]。基于此，聚焦小麦生产中的深松整地、免耕播种、联合收获三大核心作业环节，设计大型拖拉机自动驾驶系统的适配方案，通过田间对比试验验证系统作业性能，构建效益评估模型，量化分析技术应用的经济与生产价值，为自动驾驶系统在小麦规模化生产中的推广应用提供参考。

　　2.大型拖拉机自动驾驶系统与小麦生产适配性设计

　　2.1系统核心模块选型与集成

　　大型拖拉机自动驾驶系统的核心构成包括定位模块、导航控制模块、执行机构与农艺适配接口，各模块选型需契合小麦生产的作业环境与农艺要求。定位模块采用GNSS/RTK组合定位方案，选用多系统兼容接收机（支持GPS、北斗、GLONASS），静态定位精度达±1 cm，动态定位精度达±2 cm，满足小麦田间作业的直线度与接行精度需求[4]。导航控制模块基于STM 32 H 7系列微控制器开发，集成惯性测量单元（IMU），通过扩展卡尔曼滤波算法融合GNSS定位数据与惯性导航数据，输出稳定的位置信息，采样频率设置为10 Hz，确保复杂田间环境下的实时响应。

　　执行机构采用电液比例转向系统，与拖拉机原液压系统无缝对接，转向响应时间≤0.3 s，转向角度控制精度±0.5°,可实现精准路径跟踪。农艺适配接口遵循ISO 11783（ISOBUS）标准，支持与免耕播种机、深松机、联合收割机等农具的协同通信，实现作业参数（如播种深度、施肥量、收获割幅）的实时传输与联动控制，确保自动驾驶与农艺要求的一致性。

　　2.2小麦生产作业路径规划策略

　　针对小麦生产不同作业环节的农艺特点，设计基于栅格法的路径规划策略。深松整地与免耕播种环节采用平行直线路径规划，以地块边界顶点为基准，根据拖拉机作业幅宽划分作业带，路径方向与小麦种植行方向一致，确保作业覆盖的完整性。联合收获环节采用“回字形”路径规划，从地块边缘向中心逐步收获，减少作物碾压与遗漏[5]。

　　路径规划的核心目标是最小化作业重叠率与空驶距离，定义路径规划优化目标函数如下：

　　3.2作业参数协同调控

　　基于小麦生长的农艺需求，建立自动驾驶系统与农具作业参数的协同调控机制。免耕播种环节，通过农艺适配接口实时采集播种机的排种量、播种深度数据，结合土壤墒情传感器反馈信息，自动调整拖拉机行驶速度，确保播种密度均匀性。定义播种密度偏差率(δ)为实际播种密度与目标播种密度的差值占目标播种密度的比例，通过闭环控制使播种密度偏差率控制在δ±3%以内。

　　深松整地环节，根据土壤硬度传感器数据调整拖拉机作业深度，目标深度设定为25—30 cm，深度控制精度±1 cm。联合收获环节，通过作物产量传感器实时监测收获产量，动态调整收获行驶速度，平衡收获效率与损失率，使小麦收获损失率控制在2%以下[6]。作业参数协同调控以农艺指标为核心，实现自动驾驶与精准作业的深度融合。

　　3.3复杂田间环境适应性优化

　　小麦生产田间环境存在地块边界不规则、坡度变化、土壤湿度差异等复杂因素，需提升自动驾驶系统的环境适应性。针对地块边界不规则问题，采用激光雷达进行边界检测，结合GNSS定位数据修正路径规划，确保作业边界无遗漏。坡度适应性方面，在导航控制模块中引入坡度补偿算法，根据IMU采集的坡度数据(θ)调整转向控制量，当θ>5°时，增大转向系统阻尼系数，提升爬坡时的行驶稳定性。

　　土壤湿度差异会影响拖拉机行驶阻力，通过轮速传感器采集行驶速度偏差(△v），动态调整动力输出参数，确保作业速度稳定。同时，系统具备故障自诊断功能，当GNSS信号丢失、液压系统压力异常等故障发生时，立即发出报警信号并切换至手动控制模式，保障作业安全。复杂田间环境适应性优化使系统在不同生产条件下均能保持稳定的作业性能。

　　4.田间测试与效益分析

　　4.1田间测试设计与实施

　　4.1.1测试条件测试地点在山东省菏泽市小麦规模化种植基地进行，测试地块面积10hm2，土壤类型为壤土，土壤湿度18%—22%，地块坡度≤8°。供试大型拖拉机型号为东方红LX2004，配套农具包括1S-300深松机、2BMZ-12免耕播种机、4LZ-8谷物联合收割机。自动驾驶系统采用设计的适配方案，对照组为人工驾驶同一型号拖拉机和农具进行作业。

　　测试环节涵盖小麦生产中的深松整地（播种前）、免耕播种（10月中下旬）、联合收获（次年6月上旬），各环节测试重复3次，记录相关性能指标与经济数据。测试仪器包括GNSS接收机（精度±1cm）、惯性测量单元（采样频率100 Hz）、油耗仪（精度±0.1 L）、秒表（精度±0.01 s）、卷尺（精度±0.5 cm）及产量分析仪。

　　4.1.2测试指标与方法测试指标包括作业精度指标、作业效率指标与经济效益指标。作业精度指标包括直线度偏差（作业轨迹与预设路径的最大偏差）、接行精度（相邻作业带的重叠或间隙宽度）、作业重叠率（重叠作业面积占总作业面积的比例）、收获损失率（损失产量占总收获产量的比例）。作业效率指标包括作业速度、作业时长、单位面积作业时间。经济效益指标包括单位面积油耗、单位面积人工成本、单位面积总成本。

　　作业精度指标测量过程：通过GNSS接收机记录自动驾驶与人工驾驶的作业轨迹，采用ArcGIS软件分析直线度偏差与接行精度；采用网格法测量作业重叠率，在地块内均匀设置30个采样点，测量重叠作业宽度计算重叠率；收获损失率采用人工捡拾法，在收获后田间随机选取10个1m2样方，捡拾遗漏籽粒并称重，计算损失率。

　　作业效率与经济效益指标测量过程：通过秒表记录各环节作业时长，结合地块面积计算作业速度与单位面积作业时间；通过油耗仪记录作业总油耗，计算单位面积油耗；人工成本按当地农业用工市场价80元/d计算，总成本包括燃油成本、人工成本、农机折旧成本（年折旧率8%）。

　　4.2测试结果与效益分析

　　4.2.1作业性能测试结果对比试验测定的自动驾驶与人工驾驶作业精度指标和作业效率指标对比如表1和表2所示。

　　表1数据表明，自动驾驶系统在小麦生产各环节的作业精度显著优于人工驾驶。深松整地环节，自动驾驶的直线度偏差为2.3±0.4cm，较人工驾驶降低73.6%；接行精度为3.1±0.5cm，较人工驾驶降低75.2%；作业重叠率为3.2±0.6%，较人工驾驶降低62.4%。免耕播种环节，自动驾驶的直线度偏差、接行精度、作业重叠率分别较人工驾驶降低73.4%、75.2%、62.8%。联合收获环节，自动驾驶的直线度偏差、接行精度、作业重叠率分别较人工驾驶降低64.3%、71.2%、55.9%，收获损失率较人工驾驶降低55.3%。上述结果表明，自动驾驶系统通过精准路径跟踪与作业参数调控，有效提升了小麦生产的作业精度，减少了资源浪费与产量损失[7]。

　　自动驾驶与人工驾驶经济效益指标对比分析结果如表3所示。

　　由表3数据可知，自动驾驶系统的应用显著降低了小麦生产的单位面积总成本。全程生产中，自动驾驶的单位面积总成本为968.3±39.2元/hm2，较人工驾驶的1127.0±47.9元/hm2降低14.0%。其中，单位面积燃油成本较人工驾驶降低15.3%，主要源于自动驾驶系统稳定的作业速度减少了无效油耗；单位面积人工成本较人工驾驶降低22.1%，因为自动驾驶无需专职驾驶员持续操作，仅需1名辅助人员进行设备监控与故障处理。农机折旧成本无差异，因为两者使用同一型号农机。

　　此外，自动驾驶系统提升了小麦产量，联合收获环节的产量数据显示，自动驾驶作业区域的小麦产量为7852±126kg/hm2，较人工驾驶作业区域的7538±118kg/hm2提高4.2%，进一步提升了生产效益。综合来看，大型拖拉机自动驾驶系统在小麦生产中的应用实现了作业精度、作业效率与经济效益的协同提升。

　　5.结语

　　针对小麦规模化生产的需求，设计了大型拖拉机自动驾驶系统的适配方案，包括核心模块选型集成、路径规划策略与复杂环境适应性优化，通过PID控制算法与作业参数协同调控，提升了系统在小麦生产各环节的作业性能。田间测试结果表明，自动驾驶系统在深松整地、免耕播种、联合收获环节的直线度偏差均控制在3.5 cm以内，作业重叠率低于4.1%，收获损失率降至1.7%以下，较人工驾驶显著提升了作业精度；作业速度较人工驾驶提高22.6%—29.7%，单位面积作业时间减少21.1%—23.1%，作业效率明显改善；全程生产的单位面积总成本较人工驾驶降低14.0%，小麦产量提高4.2%，经济效益与生产效益显著。

　　研究结果验证了大型拖拉机自动驾驶系统在小麦生产中应用的可行性与优越性，系统适配设计契合小麦生产农艺要求，复杂田间环境适应性强，具备规模化推广价值。未来,研究可进一步优化多农机协同作业的路径规划算法，结合物联网技术实现作业数据的远程监控与智能决策，推动自动驾驶系统与小麦生产全产业链的深度融合，为智慧农业发展提供更有力的技术支持。

参考文献：

　　[1]杨振东,刘文龙,张继峰,等.北斗导航农机自动驾驶系统研究[J].科学技术创新,2021(20):47-49.

　　[2]刘慧,刘宾.智慧农机的自动导航辅助驾驶系统设计[J].单片机与嵌入式系统应用,2023,23(01):76-79.

　　[3]贺佳贝,柳春柱,高嵩,等.自动导航驾驶系统在农业机械中的应用与发展[J].中国农机装备,2025(07):67-70.

　　[4]禹振军,胡浩,盛顺,等.农机自动驾驶系统研究应用浅议[J].现代农业装备,2024,45(04):19-24.

　　[5]张文叶.基于北斗导航的农机自动驾驶系统设计和实现[J].南方农机,2023,54(08):76-78.

　　[6]包伟,张永华,何娅婷.基于北斗导航自动导航驾驶系统和无垄化种植模式的小麦高产高效模式措施[J].当代农机,2025(05):52-53.

　　[7]杨宏伟,苏仁忠,解晓琴.农机自动驾驶设备作业检测系统的设计与实现[J].河北工业科技,2021,38(04):280-285.