1.一种紧急避险下智能驾驶系统的人机共驾控制方法，其特征在于，包括以下步骤：步骤1，智能驾驶系统实时监测驾驶人的驾驶操作信号，并判断驾驶人是否转动方向盘或踩踏制动踏板，若是，转入步骤2；

其中，所述驾驶操作信号包含方向盘转角信号和制动踏板开度信号；

步骤2，获取驾驶人的视觉特征数据，判断驾驶人的当前驾驶操作是否为正常操作，若是，转入步骤3；

其中，所述视觉特征数据为注视点的坐标；

步骤3，对驾驶人的当前驾驶操作进行分类，得到驾驶人的驾驶操作类型；获取车辆运动参数，结合驾驶人的驾驶操作信号，利用车辆动力学模型预测下一时刻车辆的纵向加速度和横向加速度；

其中，所述车辆运动参数包含车辆的航向角、车辆的质心速度在y轴的分量，车辆的质心速度在x轴的分量，车辆后轴轴心速度和车速；y轴为纵向即车辆行驶方向，x轴为横向；

步骤4，根据预测的下一时刻车辆的纵向加速度和横向加速度，判断驾驶人的当前驾驶操作是否正常，若是，则按照驾驶人操作控制车辆；否则转入步骤5；

步骤5，根据预测的下一时刻车辆的纵向加速度和横向加速度，确定其与预设的对应加速度阈值之间的比例关系，并根据逻辑模糊规则对驾驶人操作信号进行相应控制调整，实现紧急避险下的人机共驾；

所述根据逻辑模糊规则对驾驶人操作信号进行相应控制调整，具体为：(5.1)根据驾驶人的驾驶操作类型，构建对应的模糊神经网络，并获取对应的训练样本集；

(5.2)采用训练样本集对对应的模糊神经网络进行训练，得到三个训练好的模糊神经网络，即为驾驶人操作信号缩减逻辑模糊规则；

(5.3)将当前车辆的运动状态数据输入对应的训练好的模糊神经网络，输出对应的车辆方向盘转角或/和车辆制动踏板开度；

其中，所述运动状态数据包含车辆的速度、车辆航向角、ax超过设定纵向加速度阈值的百分比和ay超过设定横向加速度阈值的百分比；

所述利用车辆动力学模型预测下一时刻车辆的纵向加速度和横向加速度，具体步骤为：(a)当当前驾驶人的驾驶操作类型为仅有制动操作时，采用的车辆动力学模型预测下一时刻车辆的横纵向加速度值的公式为：式中，Pb为制动踏板开度，m为整车质量，CD为空气阻力系数，A为车辆正面迎风面积，ρ为空气密度，v为车辆的速度，f为滚动阻力系数，g为重力加速度，kb为制动力矩与制动压力的比例系数，ax为预测的下一时刻车辆的纵向加速度；

(b)当当前驾驶人的驾驶操作类型为仅有转向操作时，采用的车辆动力学模型预测下一时刻车辆的横纵向加速度值的公式为：式中， 为质心加速度在y轴的分量，k为前轮转角与方向盘转角之间的比例系数，u为质心速度在x轴的分量，vr为车辆后轴轴心速度，l为车辆前后轴轴距，ay为预测的下一时刻车辆的横向加速度，δf为方向盘转角；

(c)当当前驾驶人的驾驶操作类型为既有转向操作又有制动操作时，采用上述(a)和(b)进行下一时刻车辆的纵向加速度和横向加速度的预测。

2.根据权利要求1所述的一种紧急避险下智能驾驶系统的人机共驾控制方法，其特征在于，所述获取驾驶人的视觉特征数据，判断驾驶人的当前驾驶操作是否为正常操作，具体步骤为：(2.1)通过眼动仪采集驾驶人的注视点坐标；

(2.2)根据眼动仪在车辆内部的实际安装位置，将驾驶人的视线区域划分为道路前方区域、左右后视镜区域、车载设备区域及与驾驶任务无关的区域；

(2.3)根据驾驶人的注视点坐标确定驾驶人的注视点所在区域，判断驾驶人发热注视点是否在道路前方区域，若是，则进一步判断驾驶人的瞳孔大小是否发生异常变化，若是，则判断驾驶人的当前操作不属于误操作，即为正常操作。

3.根据权利要求2所述的一种紧急避险下智能驾驶系统的人机共驾控制方法，其特征在于，所述判断驾驶人的瞳孔大小是否发生异常变化，具体为：首先，设定紧急避险工况下驾驶人的瞳孔大小变化率的正常阈值；

其次，计算当前时刻的驾驶人瞳孔大小的变化率：

其中，θn为当前时刻的驾驶人的瞳孔大小，θn‑1为前一时刻驾驶人的瞳孔大小；

最后，判断驾驶人的瞳孔大小变化率是否超过设定正常阈值，若是，则判断驾驶人的瞳孔大小发生异常变化。

4.根据权利要求1所述的紧急避险下智能驾驶系统的人机共驾控制方法，其特征在于，所述对驾驶人的当前驾驶操作进行分类，具体为：首先，将驾驶人的驾驶操作分为三类：仅转向操作、仅制动操作和既有转向又有制动操作；

然后，根据当前驾驶人操作信号确定当前驾驶人的驾驶操作类型。

5.根据权利要求1所述的紧急避险下智能驾驶系统的人机共驾控制方法，其特征在于，所述根据预测的下一时刻车辆的纵向加速度和横向加速度，判断驾驶人的当前驾驶操作是否正常，具体为：首先，分别预先设定维持车辆稳态运动状态的纵向加速度阈值和横向加速度阈值；

然后，判断预测的下一时刻车辆的纵向加速度ax和横向加速度ay是否超过相应的纵向加速度阈值和横向加速度阈值；若没有超过，则判定驾驶人的当前驾驶操作正常。

6.根据权利要求1所述的紧急避险下智能驾驶系统的人机共驾控制方法，其特征在于，步骤(5.1)具体包含以下步骤：对于仅有制动操作的驾驶操作类型，构建对应的逻辑模糊规则库，建立第一个模糊神经网络；

所述第一个模糊神经网络包含第一输入层、第一模糊化层、第一模糊推理层和第一输出层，其中，第一输入层的输入数据为车辆的速度、车辆航向角和ay超过横向加速度阈值的百分比；其神经元个数为3；第一模糊化层中模糊化函数为三角隶属度函数；第一模糊推理层中共设置k个节点，则共有n×m×i×k条逻辑模糊规则；第一输出层的输出数据为车辆方向盘转角，其神经元个数为1；

对于仅有转向操作的驾驶操作类型，构建对应的逻辑模糊规则库，建立第二个模糊神经网络；

所述第二个模糊神经网络包含第二输入层、第二模糊化层、第二模糊推理层和第二输出层，其中第二输入层的输入数据为车辆的速度、车辆航向角和ax超过纵向加速度阈值的百分比，其神经元个数为3；第二模糊化层的模糊函数为三角隶属度函数；第二模糊推理层中共设置g个节点，则共有n×m×j×g条逻辑模糊规则；第二输出层的输出数据为车辆制动踏板开度，其神经元个数为1；

对于既有转向操作又有制动操作的驾驶操作类型，构建对应的逻辑模糊规则库，建立第三个模糊神经网络；

所述第三个模糊神经网络包含第三输入层、第三模糊化层、第三模糊推理层和第三输出层，其中第三输入层的输入数据为车辆的速度、车辆航向角、ax超过纵向加速度阈值的百分比和ay超过横向加速度阈值的百分比，其神经元个数为4；第三模糊化层的模糊函数为三角隶属度函数；第三模糊推理层中共设置r个节点，则共有n×m×i×j×r条逻辑模糊规则；

第三输出层的输出数据为车辆方向盘转角和制动踏板开度，其神经元个数为2。

7.根据权利要求1所述的紧急避险下智能驾驶系统的人机共驾控制方法，其特征在于，所述采用训练样本集对对应的模糊神经网络进行训练，具体为：首先，利用驾驶模拟器获取驾驶人在紧急避险操作下的车辆运动状态数据作为原始数据；根据驾驶操作类型将原始数据进行分级组合，得到三个分级组合结果，对应三个训练样本集；

然后，采用反向传播方法训练每个模糊神经网络，通过获取每个输出层的输出数据与实际标签之间的误差，沿误差的负梯度方向逐步对各个节点的连接权重值wr进行修正与更新，直到误差值小于设定阈值，即得到训练好的模糊神经网络。

8.根据权利要求7所述的紧急避险下智能驾驶系统的人机共驾控制方法，其特征在于，所述根据驾驶操作类型将原始数据进行分级组合，具体为：将车辆的速度从小到大进行n等级分类；

将车辆航向角从小到大进行m等级分类；

将ax超过设定纵向加速度阈值的百分比从小到大进行j等级分类；

将ay超过设定横向加速度阈值的百分比从小到大进行i等级分类；

对应得到n×m×i或n×m×j或n×m×j×i种分级组合结果。