1.基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法，所述的驾驶员意图情况分为正常行驶、紧急避障，其特征在于包含以下步骤：(1)根据驾驶员行为操作参数首次识别不同的驾驶员意图；

(2)针对不同驾驶员意图，计算不同的紧急避障转向辅助力矩；

(3)确定紧急避障辅助力矩计算方法为混沌优化方法，对总的人工势场函数进行混沌优化从而求得；

引力势场函数为：

第i个障碍物的斥力势场函数为：

其中i为1,2，…n；

总的势场函数为：

故转向辅助力矩的最优解为：

τtorque＝U                                       (4)其中，Uatt为引力势场，Urepi为第i个障碍物的斥力势场，U为总的势场，X为车辆的坐标向量，Xgoal为障碍物的坐标向量，Xgoal-X为车辆与目标之间的距离，c为总是大于零的吸引力系数，ρi为车辆与第i个障碍物之间的距离，ρ0为障碍物的影响距离，n为障碍物的数量，λi是分别根据障碍物的形状决定的正常数；τtorque为转向辅助力矩；

(4)根据转向辅助引导力矩介入后的驾驶员操作数据以及车辆的状态参数对不同驾驶员意图进行二次辨识；将二次驾驶员意图对比校验，若是两次驾驶员意图一致，采用改进人工势场方法求解最优转向辅助力矩，辅助车辆完成紧急避障，若是两次驾驶员意图不一致，引入人机意图进行判定；

(5)对避障过程中的车速进行控制以提高安全性，使车辆在避障时将车速降低到一个合适的值，并在绕开障碍物后恢复正常车速行驶，速度控制模型如下：式中dr表示为车辆与障碍物之间的距离，D表示为车辆的刹车间距，v0车辆未进行避障前的速度，ts表示为驾驶员的反应时间，ρ0表示为障碍物的影响距离，ξ表示为关于驾驶员自身条件的自适应因数。

2.根据权利要求1所述的基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法，其特征在于：步骤(1)针对驾驶员意图的首次识别包含以下步骤：(1)划分驾驶员意图，将驾驶员意图按照需要划分为正常行驶、紧急避障两类；

(2)试验数据采集，应用车载传感器，针对驾驶员的不同驾驶意图，即正常行驶、紧急避障行驶分别采集试验数据，包括加速踏板行程、制动踏板行程、方向盘转角、方向盘转速、车道中心线距离、车速；

(3)试验数据处理，将步骤(2)的每类实验数据按照对应数字1-6进行编号，选取训练集，将数据筛选后的驾驶员意图导入HMM模型中进行参数θ优化，应用Baum-Welch方法获得HMM参数θ的重估公式：P0＝P(Qj(1))＝αj(1)βj(1)/P(v|θ)                          (6)其中，P0为初始概率条件，Qj为隐藏的驾驶员意图，α表示意图转换矩阵，β表示从驾驶员意图产生驾驶行为的产生矩阵，v表示可观察的驾驶员行为序列；通过优化得到正常行驶、紧急避障意图HMM的描述参数θb,θz,θy,θj；

以正常转向行为序列为条件，驾驶员行为由Qi(t-1)转移到Qj(t)的概率为：同时，将已经对应好的每类实验数据进行初步处理，并将处理后的数据通过RBF函数映射到高维空间如下：R(vi,vj)＝exp(-||vi-vj||/2σ2)                          (8)其中，vi,vj为采集到的驾驶员行为数据，σ为vi,vj的协方差矩阵。

3.根据权利要求1所述的基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法，其特征在于：所述的步骤(4)针对驾驶员意图的二次识别包含以下步骤：(1)将驾驶辅助系统介入之后的驾驶员操作数据以及车辆的状态参数信息作为待辨识的驾驶员意图，采用基于T-S模型的模糊神经网络方法对驾驶员意图进行二次辨识；

(2)对两次辨识结果相互校验做出最终决策。

4.根据权利要求3所述的基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法，其特征在于，所述的步骤(1)驾驶员意图进行二次辨识包含以下步骤：(1)划分驾驶员意图，将驾驶员意图按照需要划分为正常行驶、紧急避障两类；

(2)试验数据采集，应用车载传感器，针对驾驶员的不同驾驶意图，即正常行驶、紧急避障行驶；采集试验数据，包括加速踏板行程、制动踏板行程、方向盘转角、方向盘转速、车速、横摆角速度、质心侧偏角；

(3)试验数据处理；步骤2)采集的数据首先进行单位转换，即将方向盘转向角、方向盘转向角速度和横摆角速度从弧度制转换成角度制，车速从m/s转换成km/h，然后，采用改进的t-text检验法，剔除各数据的异常数据值；

(4)根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶状态数据，应用基于T-S模型的模糊神经网络方法进一步识别得到驾驶员驾驶意图结果，设输入z＝{z1,z2,…zn}，其中zi为驾驶员操作数据以及车辆行驶状态数据的模糊语言变量，设模糊语言变量值得集合为：式中 的第Si个语言变量为zi，它是在zi论域上定义的一个模糊集合对应的隶属函数为：

设m＝[m1,m2,…,mr]T为输出向量，则T-S模型的模糊规则表达形式如下；

其中j＝1,2,…,r,

对于输入变量z进行模糊化，采用单点模糊集合的方法，可以求得每条模糊规则的适应度为：模糊系统的输出量为每条模糊规则的输出量的加权平均值，即：

其中

5.根据权利要求2或4所述的基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法，其特征在于所述的步骤(2)试验数据采集，所采集的数据首先进行单位转换，即将方向盘转向角、方向盘转向角速度和横摆角速度从弧度制转换成角度制，车速从m/s转换成km/h，然后，采用改进的t-text检验法剔除各数据的异常数据值；对单位转换以及剔除异常值之后的数据应用无损卡尔曼滤波的方法进行处理。

6.根据权利要求1所述的基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法，其特征在于，所述的步骤(3)为了使车辆的转向辅助力矩更为平稳的介入，引入设定的平滑因子，使力矩能够更为平稳的对车辆进行驾驶辅助，提高驾驶员的操作手感，具体如下：其中，Uaat为引力势场，Urep为斥力势场，η为平滑因子，其值为正常数；故混沌优化的目标函数为τ′torque＝U+Us。

7.根据权利要求1所述的基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法，其特征在于：所述步骤(4)中的人机意图的判定，可以通过如下来完成：计算真实手力矩与转向辅助力矩的瞬时功率Pd,Pg，而后判断瞬时功率的正负值，当Pd＞0，Pg＞0时，意图一致，紧急避障转向辅助引导力矩正常介入；其余情况不介入。