1.一种基于免疫算法的智能网联汽车车辆行驶状态分析方法，其特征在于，包括以下步骤：S1、以汽车行驶状态评价知识库作为自体库，生成每种车辆状态对应的检测器，以自体库作为已知抗原，激活对应的B细胞，由B细胞产生与抗原相对应的抗体，当未知抗原产生时，激活相关抗体，根据激活抗体的概率推导出车辆当前所处于的状态；

S2、输入非自体库和检测器距离，计算小于阈值的距离，确定每种典型状态的概率，对车辆行驶状态进行评价。

2.根据权利要求1所述的基于免疫算法的智能网联汽车车辆行驶状态分析方法，其特征在于，步骤S1具体为：S101、抗原识别，生产自体库；

S102、生成B细胞，进行亲和力计算；

S103、记忆库更新、抗体的抑制和促进，如果大于设定阈值，返回步骤S102重新计算亲和力，如果小于阈值，生成检测器。

3.根据权利要求2所述的基于免疫算法的智能网联汽车车辆行驶状态分析方法，其特征在于，步骤S101中，自体集由典型的车辆行驶状态的数据组成，作为已知抗原，一组车辆行驶状态的数据建立一个一维向量集合，第i种车辆行驶状态，j为车辆状态参数个数为：code[i]＝{ci1,ci2,ci3……cij}设c1：车速，c2：加速度，c3：电池温度，c4：车与前方车辆的距离，c5：车道偏离次数，车道偏离次数是每分钟车辆行驶偏离车道的次数code[i]＝{ci1,ci2,ci3,ci4,ci5}而由n组车辆行驶状态数据构成一个n维自体库向量集合，i＝1～n，j＝1～5；

非自体输入为车辆在行驶过程中的任一状态，作为未知抗原：uncode[i]＝{ui1,ui2……uij}

和自体库一样：

uncode[i]＝{ui1,ui2,ui3,ui4,ui5}而由n组车辆行驶状态数据构成一个n维非自体库向量集合：i＝1～n，j＝1～5

4.根据权利要求2所述的基于免疫算法的智能网联汽车车辆行驶状态分析方法，其特征在于，步骤S102中，根据建立的典型的车辆行驶状态参数作为抗原，设某一个状态参数为向量code[i]＝[ci1,ci2,…cij]，以该抗原为中心生成一个新的B细胞，Bi(x1,x2…xj)；对于B细胞，生成数量为N的抗体，设每个个体大小为k个，则抗体数量为：N＝j*k

初始抗体的产生来源有两种，如问题在记忆库中有所保留，则取记忆库，不足部分随机生成，若记忆库为空则全部随机生成，当抗原入侵机体时，B细胞被激活以识别特异抗原，此时B细胞大量繁殖：B[i]＝{bi1,bi2,…bij}

经过学习生成新的B细胞为：

newB[i]＝{nbi1,nbi2…nbij}

采用Euclidean距离计算亲和力克隆因子：

5.根据权利要求2所述的基于免疫算法的智能网联汽车车辆行驶状态分析方法，其特征在于，步骤S103中，生成的每种车辆状态对应的检测器为：其中，i代表第i个典型车辆行驶状态，k是种群的大小。

6.根据权利要求1所述的基于免疫算法的智能网联汽车车辆行驶状态分析方法，其特征在于，步骤S2中，当监测器生成后，以车辆行驶过程的任一状态作为非自体输入，计算出该未知抗原与n个监测器的Euclidean距离D，设定一个距离的阈值m，计算出每个距离di中dij

7.根据权利要求6所述的基于免疫算法的智能网联汽车车辆行驶状态分析方法，其特征在于，监测器的概率Pi为：Pi＝M/di1+di2+…+dij。

8.根据权利要求6所述的基于免疫算法的智能网联汽车车辆行驶状态分析方法，其特征在于，定义评价包括安全、较安全、不安全和危险，未知抗原与n个监测器的Euclidean距离D为：D＝{d1,d2…di}

其中，i＝1～n，n＝4，di为未知抗原参数与第i个监测器的距离。