农业机械的广泛采用显著提高了生产效率，释放了大量劳动力资源，并减轻了农民的体力劳动负担（Li等人，2019年）。自动化农业机械通过促进精准农业，提高了操作精度，增加了生产力，并降低了总体生产成本（Mcbratney等人，2005年）。具有厘米级精度的轨迹跟踪控制能力是自动化农业机械系统成功的关键。在复杂的田间环境中实现精准农业机械的自主运行，精确的轨迹跟踪控制是至关重要的（X. Yin等人，2020年；K，2021年；Bayar等人，2015年；Xie等人，2022年）。
农业机械在田间作业（如旋转耕作、播种、施肥、收割）时需要高精度的轨迹跟踪，以最小化作物损伤和产量损失（Kamilaris等人，2017年）。因此，轨迹跟踪精度在农业自动化系统中至关重要，直接决定了它们的整体性能和效率。精确的轨迹遵循确保机械按预定路线行驶，无需重复调整或回溯，从而提高操作效率。这一优势在大型农田中尤为重要，因为它减少了时间消耗，降低了运营成本，并支持环境可持续的农业实践（Zhang等人，2023年）。此外，外部干扰——包括泥泞松软的土壤、不规则强风等气象因素以及恶劣的天气事件（雨、雪或雾霾）——可能会影响跟踪精度（Lin等人，2022年；Han等人，2019年）。机械老化和磨损，以及车辆重心位移等因素引入了建模不确定性，进一步增加了控制难度。当前的主要挑战包括优化控制器计算资源分配，减少对高性能处理器的依赖。
然而，实现高跟踪精度受到复杂现实条件的挑战。为了解决这些挑战，研究人员对轨迹跟踪算法进行了广泛研究，特别关注NMPC，因为它能够处理多变量系统和约束。Chen等人（2025年）提出了一种结合了增强型人工势场方法和模型预测控制的混合算法。通过优化势场构建和动态约束。Yang等人（2024年）提出了一种Takagi-Sugeno模糊变量权重模型预测控制策略，该策略通过平方根立方卡尔曼滤波器进行横向力估计，以实现在线转弯刚度校正。Zhou等人（2025年）为四轮独立转向车辆提出了一种基于管路的鲁棒模型预测控制轨迹跟踪控制器。所提出的控制器采用双向长短期记忆网络，在不同道路条件下在线估计轮胎转弯刚度，并结合滑模控制以提高对道路不规则性和模型不确定性的鲁棒性。Tan等人（2024年）提出了一种改进的自适应模型预测控制方法，用于车辆轨迹跟踪。该方法使用无迹卡尔曼滤波器进行实时轮胎横向力估计，并结合自适应转弯刚度校正。此外，它还根据车辆速度和道路附着力条件优化了动态预测范围。然而，当前的控制方法并未考虑在现有框架内提高跟踪性能的同时减少计算时间开销。
基于干扰观测器（DOB）的控制也被证明非常有效，并且近年来已成功应用于各种复杂的非线性系统（Chen等人，2016年）。这些研究探索了基于干扰观测器的鲁棒控制策略（Rsetam等人，2022年；Rsetam等人，2021年；Rsetam等人，2023年）。NMPC的性能对模型-植物不匹配非常敏感。在农业中，土壤性质可能从一个米到另一个米都会发生变化，静态车辆模型很少准确。干扰观测器用于估计这些差异，并向NMPC提供前馈补偿（Zhong等人，2023年；Fan等人，2025年）。提出了用于农业机器人轨迹跟踪的高阶干扰观测器（Zhang等人，2026年）。受到这些跨学科成功的启发，本文将DOB框架适应于农业机械的高度不确定动态。
尽管这些最新进展显著提高了轨迹跟踪精度和鲁棒性，但它们通常依赖于连续的、时间触发的优化。因此，它们带来了沉重的计算负担。Wang等人提出了一种用于连续时间受限非线性系统的周期性事件触发法则（Wang等人，2023年）。现代农业自动驾驶系统中的一个主要挑战是优化计算资源分配，以减少对昂贵高性能处理器的依赖。现有方法主要集中在提高跟踪性能上，但很少考虑在不过分牺牲最近鲁棒控制策略带来的收益的情况下减少计算时间开销。
为了解决这些多方面的挑战，我们提出了一种控制策略，结合了NMPC进行受限最优引导，DOB用于对抗未建模的动态，以及事件触发机制（ETM）用于计算效率。本文提出了一种用于农业机械轨迹跟踪的新型基于事件触发的干扰观测器NMPC控制器。将非线性干扰观测器与演员-评论家神经网络集成，能够有效估计和补偿模型不确定性和时变外部干扰。这种集成策略增强了系统对环境波动和未建模动态的鲁棒性。在基于观测器的NMPC框架中加入了一种新的事件触发机制，以最小化计算开销。触发标准基于系统最优预测状态轨迹与其实时测量状态之间的未缓解偏差，从而保持控制精度。因此，这种方法在保持操作精度的同时有效减少了计算负载。本研究的主要动机源于现代农业机械系统中的一个关键瓶颈，即对高度鲁棒、计算密集型控制算法的需求与车载硬件有限的处理能力之间的冲突。
本文的主要贡献可以总结如下。
(1) 将事件触发机制集成到NMPC框架中，仅在满足预定义触发条件时执行优化计算，从而最小化计算负载。严格排除了Zeno行为，并从分析上证明了框架的可行性及闭环稳定性。
(2) 提出了一种与非线性干扰观测器协同集成的ACNN，以增强农业机械对系统模型不确定性和未知时变外部干扰的鲁棒性。此外，构建了一个动态平滑的输入饱和模型，以调节控制输入，从而预先缓解由饱和引起的不稳定性，同时确保遵守执行器操作约束。
(3) 为农业机械系统的NMPC控制器提出了一种新的Huber成本函数。通过分层比较分析验证了所提出的框架。与NMPC控制器相比，所提出的策略大大减少了计算开销。与RBFDOB-NMPC和PHuber-NMPC相比，在严重的时变干扰下，它实现了更高的跟踪精度和更平滑的控制输入。
本文的其余部分结构如下。第2节通过建立农业车辆系统的动态模型来发展理论基础。第3节介绍了核心贡献。第4节通过高保真仿真研究验证了所提出的方法。最后，第5节总结了实际应用的见解和意义。
