1.一种基于递归滑模的自动驾驶车辆轨迹跟踪控制方法，其特征在于，包括以下步骤：利用车辆运动学模型和车辆动力学模型确定车辆的状态量；

将横向误差和航向误差结合起来形成映射误差，并求解映射误差的二阶导数得到智能控制器所需的状态量；

将幂次积分滑模函数和递归函数相结合，得到递归滑模面；

采用自适应控制算法在线调整递归滑模面上的误差控制参数；

采用指数趋近律来设计递归滑模控制器；

所述递归滑模控制器为：

其中， , >0是两个需要设计的正常数； ,  , 是在线估计出来的终端滑模控制器参数； 的取值于扰动不确定性 的上界值，即：其中， ，D是大于0的常数； 是外部干扰；

所述递归滑模控制器的边界层条件为：

其中， 是边界层厚度；

所述 ,   , 的修正条件为：

其中， 是正参量。

2.根据权利要求1所述的基于递归滑模的自动驾驶车辆轨迹跟踪控制方法，其特征在于，所述车辆动力学模型为：其中，是车辆的滑移角；是车辆的横摆角速度；m是车辆的总质量； 是车辆的纵向速度； 是车辆的偏航惯性矩； 是车辆重心到前轴与后轴的距离； , 是车辆前轴左右轮胎的侧向力； , 分别是车辆后轴左右轮胎的侧向力。

3.根据权利要求2所述的基于递归滑模的自动驾驶车辆轨迹跟踪控制方法，其特征在于，所述车辆运动学模型，具体包括：其中， 是映射误差来整合横向误差 与航向误差 ， 是恒定投影距离； ， 分别是车辆航向角与参考路径航向角， 是车辆横向速度， 是车辆纵向速度，是车辆沿着参考路径行驶所经过的距离。

4.根据权利要求3所述的基于递归滑模的自动驾驶车辆轨迹跟踪控制方法，其特征在于，所述映射误差 的函数表达式为：其中， 代表扰动不确定性； 是车辆的前轮转角； , 分别是车辆前轴总侧偏刚度和后轴总侧偏刚度；是路径曲率；a,b分别是车辆重心到前轴与后轴的距离； 是车辆的偏航惯性矩；e是横向误差； 是航向误差； 是车辆的横向加速度； 是车辆的纵向加速度； 是车辆后轴侧偏角；是车辆沿着参考路径行驶所经过的距离；是车辆的横摆角速度。

5.根据权利要求4所述的基于递归滑模的自动驾驶车辆轨迹跟踪控制方法，其特征在于，所述将幂次积分滑模函数和递归函数相结合，得到递归滑模面，包括：将递归积分终端滑模函数定义为：

其中，为积分终端滑模函数：

其中， ； , 为两个正奇数；初始值

； ,   , 为自

适应法则进行在线实时更新控制参数； ,   , 的表达式为：其中， ,  , 为正自适应增益。

6.一种基于递归滑模的自动驾驶车辆轨迹跟踪控制系统，其特征在于，包括：状态量确定模块，用于利用车辆运动学模型和车辆动力学模型确定车辆的状态量；

映射误差求解模块，用于将横向误差和航向误差结合起来形成映射误差，并求解映射误差的二阶导数得到智能控制器所需的状态量；

函数结合模块，用于将幂次积分滑模函数和递归函数相结合，得到递归滑模面；

在线调整模块，用于采用自适应控制算法在线调整递归滑模面上的误差控制参数；

控制器设计模块，用于采用指数趋近律来设计递归滑模控制器；

所述递归滑模控制器为：

其中， , >0是两个需要设计的正常数； ,  , 是在线估计出来的终端滑模控制器参数； 的取值于扰动不确定性 的上界值，即：其中， ，D是大于0的常数； 是外部干扰；

所述递归滑模控制器的边界层条件为：

其中， 是边界层厚度；

所述 ,   , 的修正条件为：

其中， 是正参量。

7.一种计算机设备，其特征在于，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1‑5任一所述的基于递归滑模的自动驾驶车辆轨迹跟踪控制方法的步骤。

8.一种存储介质，其特征在于，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1‑5任一所述的基于递归滑模的自动驾驶车辆轨迹跟踪控制方法的步骤。