1.一种无人驾驶农机作业速度自主决策方法，其特征在于，包括以下步骤：S1、采集无人驾驶农机运动状态数据，筛选影响无人驾驶农机作业速度的因变量，建立目标作业速度训练样本；

S2、建立无人驾驶农机目标作业速度的高斯过程回归预测模型；

S3、训练目标作业速度的高斯过程回归预测模型；具体为：S31、确定协方差函数；具体为：高斯过程回归预测模型采用平方指数协方差核函数：（17）

其中， 、l为核函数的超参数， 为信号方差，l描述的是核函数在参数空间中复杂程度的尺度参数；

S32、设置初始超参数，边际似然超参数优化；具体为：无人驾驶农机目标作业速度的高斯过程回归预测模型的输入向量m由高程差 、横滚角 、横向位置偏差 和航向角 组成，因此对公式（17）中l的确定采用自动确定相关性，表达式为：（18）

其中， 分别代表高程差 、横滚角 、横向位置偏差 和航向角 中每个维度的长度尺度；

将高斯过程回归预测模型的训练过程看作是一个求解非线性数值优化的问题，定义超参数向量：（19）

用 表示 中的元素，即超参数；

采用最大似然估计法MLE对超参数进行优化，边际似然函数为：（20）

似然服从高斯分布：

（21）

由高斯过程回归预测模型得：

（22）

公式（22）积分运算后仍然服从高斯分布：（23）

其中， ， 为不考虑高斯噪声的协方差矩阵；

对公式（20）求负对数，得负对数边界似然函数：（24）

求解公式（24）最小值获得优化的超参数，即高斯过程回归预测模型的训练转变为公式（24）的优化问题，目标函数为L，优化目标为求解L的最小值；

对公式（24）求关于超参数 的偏导数：（25）

其中， ， 表示矩阵的迹；

采用共轭梯度法对偏导数进行最小化，得到超参数的最优解，即根据无人驾驶农机测量得到的高程差 、横滚角 、横向位置偏差 和航向角 通过高斯回归过程预测需调整的目标作业速度；

S4、训练时对高斯过程回归预测结果评价与检验，获得训练完成的高斯过程回归预测模型；

S5、获取无人驾驶农机测试数据样本，采用高斯过程回归预测模型获得相应的无人驾驶农机预测速度，以此预测速度的均值作为目标决策速度；

S6、根据获得目标决策速度，自动调节无人驾驶农机的作业速度。

2.根据权利要求1所述的一种无人驾驶农机作业速度自主决策方法，其特征在于，步骤S1中，筛选影响无人驾驶农机作业速度的因变量具体为：影响无人驾驶农机作业速度有多个因变量，采用相关关系法分别对各因变量求取Spearman秩相关系数：（1）

其中， 为秩相关系数，n为数据长度， 和 分别为原始数据， 和 分别为按照从小到大的顺序排列后的数据；

根据公式（1）分别计算各因变量与速度v的秩相关系数 ， 绝对值越大，表示该因变量影响无人驾驶农机速度v越显著。

3.根据权利要求2所述的一种无人驾驶农机作业速度自主决策方法，其特征在于，根据公式（1），以影响无人驾驶农机目标作业速度v最显著的4个因素：高程差 、横滚角 、横向位置偏差 以及航向角 ，组成4维输入向量m：（2）

（3）

其中， 为第i个输入向量， 分别表示第i个输入向量的高程差 、横滚角 、横向位置偏差 以及航向角 ；

采集若干个输入向量和输出标量，建立目标作业速度训练样本D：（4）

其中， 为第i个样本的输出标量；为所有训练样本输入向量组成的矩阵；为所有训练样本输出标量组成的矩阵，其中训练样本集存在噪声且服从标准高斯分布 。

4.根据权利要求1所述的一种无人驾驶农机作业速度自主决策方法，其特征在于，步骤S2具体为：定义高斯过程 的期望和协方差分别为 和 ：（5）

（6）

则高斯过程为：

（7）

其中，随机变量参数x的输出值 为随机变量；

对于n个输入 ，输出 服从联合高斯分布：（8）

其中， ， 是 维矩阵；

对于目标作业速度决策回归，采用含噪声函数模型：（9）

其中，y为观测值，f为函数值， 为x对应的真值； 服从正态分布，其均值为0；

观测值y的先验分布为：

（10）

给定训练集 ，测试集 ，令 ，，观测值y和预测值 的联合先验分布为：（11）

其中， 、 、 和 均为协方差矩阵， 为对称正定协方差矩阵，矩阵元素 表示 和 之间的相关性；为单位矩阵； 和 具体为：

（12）

（13）

采用贝叶斯理论，获得高斯过程回归的关键预测方程为：（14）

其中， 为测试集数据点 对应的均值， 为对应的方差：（15）

（16）

其中， 为目标作业速度的预测值。

5.根据权利要求4所述的一种无人驾驶农机作业速度自主决策方法，其特征在于，步骤S4中，高斯过程回归预测结果评价具体采用平均绝对误差MAE对样本的预测值与真实值偏差进行判定：（26）

其中， 和 分别表示第i个真实值和预测值，N为预测样本数；MAE值越小，表示模型预测性能越好；

根据公式（15），采用训练好的高斯过程回归预测模型对训练样本进行自回归，根据公式（26）计算MAE判断训练是否成功，若训练不成功，则返回步骤S3；否则，进入步骤S5。

6.根据权利要求1所述的一种无人驾驶农机作业速度自主决策方法，其特征在于，步骤S5具体为：将训练好的高斯过程回归预测模型部署于无人驾驶农机的终端控制器，获取无人驾驶农机行驶一段时间内的数据作为测试数据样本 ，采用高斯过程回归预测模型获得相应的无人驾驶农机预测速度 ，以此预测速度的均值 作为目标决策速度 。

7.根据权利要求6所述的一种无人驾驶农机作业速度自主决策方法，其特征在于，步骤S6具体为：将获得目标决策速度 传输至无人驾驶农机的机载速度控制器，速度控制器根据当前速度和目标决策速度 差值，自动调节无人驾驶农机的作业速度。