1.一种基于状态空间域电池能量均衡的Q学习再生制动控制策略，其特征在于：所述策略包括以下步骤：S1：基于电池能量时域-空间域转换，确定再生制动参考平均回收能量；

S2：构建修正函数，修正所述参考平均回收能量；

S3：根据修正后的参考平均回收能量和Q学习算法，确定电机再生转矩最优分配策略，即电机再生转矩分配MAP图；

S4：采集在线工况数据，确定所述在线工况数据确定平均车速V、电池荷电状态SOC和需求功率Preq，根据所述需求功率Preq和电池荷电状态SOC在步骤S3的MAP图中确定与所述在线工况数据的对应的电机再生转矩分配值，即获得在线工况电机再生转矩序列。

2.根据权利要求1所述基于状态空间域电池能量均衡的Q学习再生制动控制策略，其特征在于：所述再生制动参考平均回收能量采用如法方法确定：S11：选择离线工况的平均车速为状态，将平均车速离散得到状态集S：其中，S表示状态集合， 表示离散后的第一个状态， 表示离散后的第k个状态， 表示离散后的第n个状态；

S12：将电池时域能量转换到空间域能量，从空间维度计算第k个状态的电池能量变化值Δebk：Δebk＝∫tractionΔebk-outdτ+∫brakingΔebk-indτ   (2)其中，Δebk表示第k个状态电池能量变化值，Δebk-out表示第k个状态驱动过程电池变化的能量，Δebk-in表示第k个状态制动过程电池变化的能量,τ表示第k个状态在时域上发生电池能量变化的时间；

S13：由第k个状态的电池能量变化值Δebk，计算第k个状态的制动过程参考平均回收能量其中， 表示第k个状态再生制动参考平均回收能量的等效油耗,λ表示等效因子，表示第k个状态再生制动参考平均回收能量；

所述等效因子λ采用如下方法确定：

其中， 表示电机的平均效率， 表示发动机的平均效率， 表示电池平均放电效率， 表示电池平均充电效率；

所述第k个状态再生制动参考平均回收能量 采用如下方法确定：其中， 表示第k个状态再生制动参考平均回收能量，Δebk-tra表示第k个状态驱动过程电池能量变化值，Tbk,bra表示第k个状态发生制动的时间；

所述第k个状态驱动部分电池能量变化值Δebk-tra采用如下方法确定；

Δebk,tra＝∫tractionΔebk-outdt    (6)其中，Δebk-tra表示第k个状态驱动过程电池能量变化值，Δebk-out表示第k个状态电池驱动过程变化的能量，t表示时间。

3.根据权利要求2所述基于状态空间域电池能量均衡的Q学习再生制动控制策略，其特征在于：所述修正函数f(ΔPreq,ΔSOC)采用如下方法确定；

其中，f(ΔPreq,ΔSOC)表示修正函数，Preq,i表示当前状态第i个需求功率，SOCj表示当前状态第j个电池荷电状态， 表示当前状态下的平均需求功率， 分别为当前状态下的平均电池荷电状态SOC，SOCref表示参考电池荷电状态的参考值；

所述参考平均回收能量采用如下方法修正：

其中， 表示第k个状态下Preq,i与SOCj对应的修正后的参考回收能量，Preq,i表示第k个状态的第i个需求功率，SOCj表示第k个状态的第j个电池荷电状态，f(ΔPreq,ΔSOC)表示修正函数， 表示第k个状态再生制动参考平均回收能量的等效油耗。

4.根据权利要求3所述基于状态空间域电池能量均衡的Q学习再生制动控制策略，其特征在于：所述电机再生转矩最优分配MAP图采用如下方法确定：S31：初始化Q学习算法的探索率ε、学习率α、折扣因子γ和设置迭代次数N和状态变量k，其中，N＝1，k＝1；

S32：令s＝[SOC,v,Preq],a＝[Tm]，即选择车速v，电池荷电状态SOC和需求功率Preq为状态变量，电机转矩Tm为优化变量；

S33:构建回报函数r(s,a)，所述回报函数r(s,a)如下：其中，r(s,a)表示当前状态s与动作a的回报，aele表示当前状态s与对应动作a的电池能量变化值，λ为等效因子， 表示当前车速下的需求功率Preq和电池荷电状态SOC对应的参考回收量，β表示权重因子；

S34：确定最小Q(s,a)值对应的动作：

其中，π(a|s)表示最小Q(s,a)值对应的动作策略，ε表示探索率，α表示学习率，A(s)表示当前状态s下可行动作的总个数；

S35：更新当前动作Q(s,a)值：

Q(s,a)←Q(s,a)+α[r+γminQ(s',a')-Q(s,a)]  (11)其中，α表示学习率，r表示当前状态s与动作a对应的回报，γ表示折扣因子；

S36：判断k是否小于kfinal，其中，k表示状态变量，kfinal表示最终状态的变量值，即判断当前状态是否为最终状态，若是，则进入下一步，若否，k＝k+1，并进入步骤S32；

S37：判断相邻迭代次数的Q(s,a)值的绝对值之差是否小于阈值，若是，表明策略收敛，结束，若否，N＝N+1，并进入步骤S32；

收敛后的Q(s,a)值对应的策略作为最优策略。