拖拉机是实现各种机械化作业的动力，是农业生产中最重要的动力机械，因此拖拉机自动驾驶系统是实施精细农业所必需的物质载体，是农业机械自动化的一个重要组成部分。其实现技术包括5个部分：定位、路径规划、导航控制、车辆模型和通信，其中定位、导航控制是最重要的两项内容。本文基于GPS/IMU对这两项技术进行了系统地研究，并在JDT654通用型拖拉机上建立了拖拉机自动驾驶系统试验硬件平台，开发了相应的软件系统，完成了相应的试验验证工作。本文所进行的研究工作主要有以下方面： (1)深入探讨了推算定位(DR)与GPS定位的原理与方法，针对两者的信息具有很好的互补性的特点，提出了针对JDT654通用型轮式拖拉机自动驾驶系统的推算定位修正方法和GPS定位信息的修正方法。建立了基于后轴中心的拖拉机非线性运动学模型，在此基础上，对拖拉机定位信息融合技术进行了探讨，提出一种基于拖拉机运动学模型的扩展Kalman滤波模型，将前轮转角的反馈也进行了考虑，较好地反映了拖拉机的行驶状态，获得了较高的融合精度。 (2)采用频域试验法将PID控制的全液压转向系统简化为一阶惯性环节，为简化系统提供了试验依据并保证了相应的精度；讨论了测量角度与理论前轮转角的关系，提出了解决理论中间转向轮与实测车轮转向角的转换方法，避免造成对转向轮控制的不对称性。 (3)对拖拉机自动驾驶导航控制进行了深入研究。建立了拖拉机动力学模型，对基于拖拉机运动学和拖拉机动力学的最优输出控制方法进行了研究，讨论了参数变化对系绕性能的影响，针对拖拉机行驶环境的复杂性，以及用数学模型描述时不可避免地需要进行一定的假设与简化，提出了一种融合两者特点的加权输出反馈系数的方法，提高试验整定反馈参数的效率。另外，对不基于模型的拟人的模糊控制进行了研究，建立了横向偏差、航向角以及转向角的模糊隶属度函数和控制规则，仿真结果显示具有一定的静态误差；为了消除其固有的静态误差，在此常规模糊控制的基础上，提出了双级模糊控制、模糊—PID并联控制在拖拉机自动驾驶导航控制中的应用，改善了系统性能，提高了系统的鲁棒性；由于实际环境的复杂性，使针对已知或可以预知环境下制定的模糊规则不可能适合所有的实际环境，因此进一步提出一种具有自适应性能的自调整因子模糊控制方法，利用神经网络的自学习特性对自调整因子函数进行在线调整，即可以简化训练样本的建立和对神经网络的训练，又保留了神经网络的学习功能。 (4)讨论了拖拉机自动驾驶平台的功能及构成，并在JDT654型轮式拖拉机上建立了GPS/IMU导航的拖拉机自动驾驶平台，在选定的试验场地对试验样机沿直线、曲线以及换道行驶进行了试验，验证了理论分析与仿真分析的结果，为拖拉机自动驾驶的进一步开发研究提供了重要的理论参考和实用借鉴。