1.一种特种车辆人机协同转向控制方法，其特征在于，包括：S1、实时获取驾驶员心率、皮肤电导率、驾驶员力矩的多源生理数据和车辆姿态数据；

S2、根据采集到的多源数据辨识驾驶员心理负荷水平、评估特种车辆行车风险程度，并以此设计强化学习的奖励函数，通过强化学习的双延迟深度确定性策略梯度算法决策出特种车辆人机协同转向的驾驶权重；

S3、基于驾驶权重融合驾驶员与自动系统控制器的方向盘转角，得到人机协同模式下实际的特种车辆方向盘转角 实现对特种车辆的人机协同转向控制；

其中， 为自动系统控制器施加的方向盘转角， 为驾驶员施加的方向盘转角， 为人机协同模式下实际的方向盘转角，α为人机协同模式下驾驶员的驾驶权重；

所述步骤S2中，辨识驾驶员心理负荷水平的步骤如下：

获取驾驶员心率Hr，皮肤电导率Sc，车辆横向加速度a、方向盘转动频率fsw；

从驾驶员生理数据和车辆数据中提取心率变异性、平均皮肤电导、平均加速度和方向盘转动频率，作为驾驶员心理负荷水平分类的特征输入，对不同特征参数进行归一化处理；

从驾驶员生理信号和车辆信号的数据集中选择三个样本作为初始聚类中心，将数据集中的每个样本分配到距离最近的聚类中心所属的类别，对于三个驾驶员心理负荷类别，计算其类别中所有样本的均值，将所得均值作为新的聚类中心，重复计算并更新类别和聚类中心，直到聚类中心不再变化，将每个样本分配给最接近的聚类中心所属的类别，得到最终的驾驶员心理负荷水平聚类结果；

通过支持向量机构建驾驶员心理负荷水平在线辨识模型，支持向量机的输入为驾驶员生理数据和车辆数据，输出为驾驶员心理负荷水平，利用K‑means的聚类结果作为支持向量机的训练数据，训练驾驶员心理负荷水平在线辨识模型，最终实现驾驶员心理负荷水平在线辨识；

其中，驾驶员心理负荷水平分为高、中、低；

通过心率传感器、电导率仪、加速度传感器和频率传感器分别获取驾驶员心率Hr，皮肤电导率Sc，车辆横向加速度a、方向盘转动频率fsw；

所述步骤S2中，评估特种车辆行车风险程度的步骤如下：

计算车辆稳定性Gl＝λ1Wr+λ2Ltr，

2

其中，Wr＝Vδsw/L(1+kV )， λ1和λ2分别表示横摆稳定性和侧倾稳定性对车辆稳定性的影响权重，V为车速，δsw为前轮转角，k为稳定性因数，L为车辆的轴距，m是车辆质量，h为车辆的侧倾角，为车辆的侧向加速度；

构建障碍物风险函数

Sz为障碍物z的运动状态，vz为动态障碍物的速度，λ4为动态障碍物速度对运动状态的影响权重，mz为障碍物z的质量，Hz为障碍物z的形状，Ez为车辆与障碍物距离，λ3表示障碍物信息对障碍物风险的影响增益，k为障碍物的个数；

根据车辆自身稳定性和障碍物风险程度构建特种车辆行车风险函数：G＝λ5Gl+λ6Go；

其中，λ5和λ6分别为车辆稳定性和障碍物风险的权重系数；

所述步骤S2中，强化学习奖励函数R定义为：

式中：Ki(i＝1,2......9)分别为各个参数的增益，Ki的值均为负数，低、中、高分别表示驾驶员心理负荷水平。

2.根据权利要求1所述的一种特种车辆人机协同转向控制方法，其特征在于，所述步骤S1中，通过心率传感器、电导率仪、力矩传感器、横摆角速度传感器实时获取驾驶员心率、皮肤电导率、驾驶员力矩的多源生理数据和车辆姿态数据。