1.一种车辆主动前轮转向与主动悬架系统协调控制方法，其特征在于：包括以下步骤：步骤一：以路面不平度、车辆方向盘转角和车辆速度为输入特征，基于深度卷积神经网络决策模型，输出车辆行驶平顺性和操纵稳定性的控制权重；

步骤二：基于所获得的权重设计考虑行驶平顺性与操纵稳定性的车辆合作动态博弈成本函数，以主动前轮转向与主动悬架系统控制信号为设计变量，以主动前轮转向与主动悬架系统的执行机构几何限制为约束条件，基于车辆动力学模型建立主动前轮转向与主动悬架博弈模型；

步骤三：依据夏普利值进行收益分配，得到双方博弈对局中车辆最优控制策略，即获得主动前轮转角和主动悬架作动力，实现对车辆主动前轮转向与主动悬架系统的动态协调控制。

2.根据权利要求1所述的一种车辆主动前轮转向与主动悬架系统协调控制方法，其特征在于：所述步骤一中，所述深度卷积神经网络决策模型的样本集来源于整车实验测试平台和车辆动力学模型。

3.根据权利要求1所述的一种车辆主动前轮转向与主动悬架系统协调控制方法，其特征在于：实现对车辆主动前轮转向与主动悬架系统的动态协调控制方法如下：定义控制输出信号为主动前轮转角 和主动悬架作动力 分别表示左前轮、右前轮、左后轮和右后轮）；由于物理执行机构的约束，主动前轮转角和主动悬架作动力也有一定的约束，如下所示：；

式中： 分别表示主动前轮转角和主动悬架作动力的阈值；

此外，由于转向和悬架系统执行机构的约束，仍存在以下约束条件：；

式中： 分别表示各车轮转角， 分别表示各车轮所对应的悬架作动器位移， 分别表示车轮转角和车轮所对应的悬架作动器位移的阈值；

为了设计主动前轮转向和主动悬架博弈控制器，构建包含4个非簧载质量垂向运动以及车身俯仰、侧倾和质心垂向运动共7个自由度的传统车辆动力学模型，其状态空间如下所示：；

其中： 是系统状态变量， 是控制输入， 是干扰变量， 分别是系统状态变量、控制输入和干扰变量所对应的矩阵；

为了让车辆行驶平顺性和操纵稳定性的性能达到整体最优，基于深度卷积神经网络决策模型所获得的权重构建车辆合作动态博弈成本函数 ，如下所示：；

式中： 分别表示车辆行驶平顺性和操纵稳定性的控制权重， 分别表示状态变量、控制输入和干扰变量所对应的权重矩阵， 分别表示车辆行驶平顺性和操纵稳定性的评价指标，其中 通过传统的车身垂向加速度均方根、悬架动行程均方根、轮胎动载荷均方根等指标进行加权获得， 通过传统的车身俯仰角均方根、车身侧倾角均方根、车身横摆角速度均方根等指标进行加权获得；

基于上述博弈成本函数、设计变量和约束条件，构建以下车辆主动前轮转向与主动悬架系统的动态博弈模型，如下所示：；

式中：min表示最小化；

基于夏普利值进行收益分配，求解上述动态博弈模型，获得双方博弈对局中车辆最优控制策略，即获得车辆主动车轮转角和主动悬架作动力，实现对车辆主动前轮转向与主动悬架系统的动态协调控制。