随着我国人口老龄化的不断加剧,农村劳动力的流失加速,导致农业生产成本上升,农业生产的效率和竞争力不断下降。此外,城市化进程的加快也使得越来越多的农民离开农村,导致农业劳动力短缺,农业生产力量减弱。智能化农机装备可以提高作业效率、作业质量、土地利用率,能够解决当前国内农业发展的困境,符合我国农业发展国情。路径跟踪是实现智能化农机装备的关键技术。因此,本文基于模型预测控制算法（Model Predictive Control,MPC）,对农机的路径跟踪控制进行研究。首先,基于运动学特性建立农机运动学模型,并根据受力分析建立农机二自由度动力学模型。通过CarSim/Simulink对建立的运动学模型和动力学模型进行有效性验证,为路径跟踪算法研究提供基础。然后,针对MPC计算复杂,快速性有时无法保证的问题,提出基于MPC与Stanley的融合控制算法。在农机运动学模型和动力学模型基础上,借助局部线性化方法得到线性时变状态空间模型,并运用MPC算法设计路径跟踪控制律。在MPC算法的基础上通过权重系数与Stanley算法进行融合,以横向误差和航向误差为输入量,权重系数为输出量,设计模糊控制器对权重系数进行动态调整。搭建CarSim与Simulink联合仿真平台,分别以不同速度对期望路径进行跟踪试验。仿真结果表明,本文算法的控制性能优于常规MPC算法。融合算法在跟踪过程的前半段更为迅速,在跟踪过程的后半段更加平稳。融合算法以20 km/h、30 km/h、40 km/h速度跟踪初始偏差为5 m的双移线路径,上线距离分别为15.8m、16.2 m、25.3 m,常规MPC算法上线距离为17.46 m、18.9 m、27.19 m,快速性提升9.5%、14.37%、6.95%,直线跟踪误差在±2.5cm以内。适于农机初始位置偏差较大以及行驶速度较高的应用场合。最后对硬件设备进行选型并设计自动驾驶系统,硬件设备主要包括卫星导航模块与转向控制模块,分别对直线路径和U型曲线路径进行实车实验。农机跟踪初始误差为1 m直线,融合算法的上线距离为3.5 m,上线时间为1.75s,上线后农机横向误差绝对值的平均值为2.15 cm,最大横向误差为4.5 cm,满足农机实际工作需要。同时与常规MPC算法相比,本文所设计的融合算法在保证控制精度的情况下快速性有所提升。