农用拖拉机的松土与耕地是最为消耗能源的农业作业之一。农机耕作负载需求快速大幅度变化,涡轮增压系统由于自身的响应延迟问题无法及时提供充足的空气,导致负载突变过程作业稳定性下降,油耗明显增加。为优化农机作业能效与稳定性,本文提出了一种基于主动抗扰控制、作业负载预测控制和模型参数自学习相结合的控制思路,力图解决农机瞬态过程的控制问题。首先,建立了6.7L可变截面涡轮增压柴油机仿真平台,并利用实验数据对模型准确性进行了验证。在柴油机台架与仿真平台上分析了涡轮增压系统的响应延迟现象,以及其在农机突加载瞬态过程中对空燃比、发动机转速、油耗率等的影响。其次,为解决突加载过程的控制问题,设计了基于负载扭矩主动观测的农用柴油机瞬态过程控制算法。建立了深松铲负载扭矩模型,并结合模型形成了农机瞬态过程主动抗扰转速控制算法。采用非线性跟踪微分器实现了噪声污染下作业深度变化率的准确跟踪,基于此设计了农机作业模式识别算法,并采集每循环作业深度数据。采用贝叶斯线性回归算法预测下一循环负载作业深度,用于空气系统的提前控制。对比了不同目标增压压力控制轨迹,并系统研究了控制提前量对空燃比与泵气损失的影响,得到不同作业深度变化率下的最优控制轨迹。为解决环境改变后土壤耕作阻力变化的问题,设计了负载扭矩模型的参数自学习算法,用于在线优化模型参数,在变工况下保证作业稳定高效,提高算法的工况适应性。最后,在实验校准的高精度MATLAB/Simulink平台上,对算法进行仿真验证。对于实机采集的作业深度曲线,较传统农用柴油机控制方法,采用本文的控制方案,瞬态过程的空气供给速度提升53.1%,指示扭矩响应加速44.7%,进而使发动机的转速波动平均降低94.4%,瞬态过程有效燃油消耗率平均降低7.7%。同时,本文提出的控制方案可适应不同的操作习惯以及土壤环境,在不同的作业深度变化率与作业环境下,均能有效降低发动机转速波动与有效燃油消耗率。