1.一种基于粒子群算法的车辆动力学平衡点求解方法，其特征在于，包括建立车辆三自由度平面运动微分方程；基于相空间的方法求解车辆三自由度平面运动微分方程，得到三自由度车辆动力学仿真模型的相空间轨迹线图；分析三自由度车辆动力学仿真模型的相空间轨迹线图确定平衡点的解空间；初始化粒子群优化算法的参数；构建粒子群优化算法的适应度函数；基于粒子群算法，在平衡点的解空间内求解得到系统平衡点。

2.根据权利要求1所述的一种基于粒子群算法的车辆动力学平衡点求解方法，其特征在于，确定平衡点的解空间的方法为：将得到的相空间轨迹线图投影到vy_ω平面，根据vy_ω平面图上轨迹线的走向确定平衡点所在位置；进而确定平衡点在相空间上的解空间。

3.根据权利要求2所述的一种基于粒子群算法的车辆动力学平衡点求解方法，其特征在于，所述平衡点包括稳定平衡点和不稳定平衡点。

4.根据权利要求1、2或3所述的一种基于粒子群算法的车辆动力学平衡点求解方法，其特征在于，所述粒子群优化算法表示为：其中，自变量X＝[vy,ω,vx]是解空间中某一个点坐标，vy代表车辆侧向速度，ω代表车辆横摆角速度，vx代表车辆纵向速度， 表示第id个粒子在第k次迭代时的位置， 表示第id个粒子在第k次迭代时的速度，Pbest表示第id个粒子搜索到的最优位置，Gbest表示整个粒子群迄今为止搜索到的最优位置，e表示惯性权重，c1、c2为学习因子，ζ为约束因子，r1、r2为每次迭代时在[0,1]范围内的均匀随机整数。

5.根据权利要求4所述的一种基于粒子群算法的车辆动力学平衡点求解方法，其特征在于，分别初始化位置和速度：位置初始化：X(：，i)＝lim(i，1)+(lim(i，2)-lim(i，1))rand(N，1)速度初始化：V＝rand(N，d)

其中，X(:,i)为粒子在第i个坐标轴上的初始位置，i＝1代表相空间X坐标轴、i＝2代表相空间Y坐标轴，i＝3代表相空间Z坐标轴；lim(i,1)为第i个坐标轴上的左端点，lim(i,2)为第i个坐标轴上的右端点，即平衡点解空间的各个边界值；d为空间维度，N为初值种群个数，rand为[0,1]之间的随机数，设置粒子群搜索次数为L。

6.根据权利要求5所述的一种基于粒子群算法的车辆动力学平衡点求解方法，其特征在于，构建适应度函数为：其中， 为求函数 的最小值，

分别为车辆侧向加速度、车辆横摆角加速度和车辆纵向加速度。

7.根据权利要求5所述的一种基于粒子群算法的车辆动力学平衡点求解方法，其特征在于，基于粒子群算法在确定的解空间内寻找满足适应度函数的最优点；粒子群优化算法将进行L次迭代，得到L个粒子群优化算法的适应度函数值，从这些值中找到最小值且该最小值对应的[vy,ω,vx]的值即车辆非线性动力学系统的平衡点。