智能收获机自主作业系统具有负载实时变化、执行机构复杂、作业环境差异明显等非线性特点,研究智能收获机的非线性运动控制方法能有效提高收获机运动控制的准确性、鲁棒性和稳定性。针对智能收获机非线性运动控制技术中存在的输入饱和特性、输入延迟特性、模型参数不确定性等非线性问题,建立收获机非线性运动控制系统组合模型,提出基于卫导/惯导的组合导航补偿方法、考虑输入饱和的神经网络非线性运动控制方法及考虑输入时延的预设性能非线性运动控制方法,实现收获机的自主作业功能。论文的主要工作与创新点如下:（1）针对收获机运动控制系统单一模型无法兼顾非线性分析和模型轻量化的问题,提出一种收获机非线性运动控制系统的组合模型。构建可综合衡量收获机横向位置误差和航向角误差的跟踪误差函数,将收获机控制系统的几何学模型、运动学模型和一维动力学模型有效组合,分析控制系统组合模型的跟踪误差来源和输入非线性特性,研究减少跟踪误差来源及补偿输入非线性特性的方法,为设计精度高、鲁棒性好和稳定性强的非线性运动控制器奠定基础。（2）针对卫导信号缺失导致收获机卫导/惯导组合导航系统导航精度降低的问题,提出卫导信号缺失时的卫导/惯导组合导航补偿方法。根据卫导信号缺失时间或收获机运动状态变化的特点,选取基于离散灰色神经网络的预测模型和基于长短期记忆网络的预测模型,分别以卫导位置信息和经验模态分解降噪后的惯导测量信息为预测模型输入,预测卫导信号缺失时间内智能收获机的位置变化信息,获取的预测位置信息与惯导解算信息进行信息融合,可有效抑制惯导误差的发散,为收获机非线性运动控制系统提供可靠的当前导航信息。车载实验结果表明,相对于传统的组合导航补偿方法,在不同运动状态变化和不同卫导信号缺失时间情形下所设计的卫导/惯导组合导航补偿方法的精度至少提高了19%,验证了所提组合导航补偿方法的有效性。（3）针对输入饱和特性降低收获机运动控制平稳性的问题,提出一种考虑输入饱和的神经网络非线性运动控制方法。建立模型参数不确定的控制系统组合模型,设计自适应神经网络估计器,以跟踪误差和跟踪误差变化率为输入,实时估计模型参数不确定项,提高控制系统模型参数的准确性,可有效降低收获机的跟踪误差,避免引起输入饱和现象。利用收获机执行机构的转向误差设计输入饱和补偿变量,通过中间控制器的内反馈对控制输入进行校正,减小输入饱和对控制系统的影响。仿真实验结果表明,考虑输入饱和的神经网络非线性运动控制方法能够有效降低收获机控制系统的跟踪误差,抑制控制系统输入饱和现象,提高收获机运动控制的平稳性。田间实验结果表明,相对于基于反步法的运动控制方法,基于神经网络优化的运动控制方法跟踪直线路径时横向位置误差的标准差由2.49cm降低到1.68cm,控制精度提高了32.53%,验证了神经网络优化运动控制方法的有效性。（4）针对输入时延特性引起收获机控制输入振荡的问题,提出一种考虑输入时延的预设性能非线性运动控制方法。建立考虑输入时延的控制系统组合模型,利用预设性能函数对跟踪误差进行约束,构建满足预设性能约束的状态变量。结合该状态变量设计考虑输入时延的预设性能非线性运动控制器,利用延迟时间段内的控制输入和Lyapunov-Krasovskii函数设计输入延迟补偿变量,将与输入延迟时间有关的控制系统模型优化为与输入延迟时间无关的控制系统模型,抑制收获机控制输入的振荡。仿真实验结果表明,考虑输入时延的预设性能非线性运动控制方法能够将跟踪误差保持在预设范围内,保证收获机运动控制的动态性能和稳态性能。田间实验结果表明,跟踪曲线路径时的最大绝对误差、平均绝对误差和标准差的平均值分别为5.56cm、2.31cm和2.31cm,验证了输入时延补偿运动控制方法的可行性。