1.一种智能汽车控制方法，其特征在于，包括：S101：获取所述智能汽车的导航路径；

S102：将所述导航路径作为目标轨迹，所述智能汽车的行进轨迹作为待修正轨迹，确定在预设收敛时长内所述待修正轨迹向所述目标轨迹进行逼近的限时收敛函数；

S103：根据所述目标轨迹和所述待修正轨迹，确定所述智能汽车的跟踪误差；

S104：在所述限时收敛函数下确定所述智能汽车的转换误差，其中，所述转换误差为修正后的待修正轨迹与所述目标轨迹存在的误差；

S105：将外部扰动作为整体变量，根据所述转换误差，结合反步法设计所述智能汽车的期望控制率；

S106：设置基于事件触发框架下所述期望控制率的更新触发条件；

S107：结合所述更新触发条件，确定中间控制率，其中，所述中间控制率为在所述更新触发条件下所述智能汽车从动态的待修正轨迹向稳态的目标轨迹收敛的过程中使用的控制率；

S108：根据所述期望控制率建立所述智能汽车的行进方程，并根据所述中间控制率更新所述期望控制率；

S109：按所述行进方程控制所述智能汽车，以使得所述智能汽车跟随所述导航路径；

其中，所述限时收敛函数具体为p(t)：

其中，Tp表示预设收敛时长，η(t)表示所述待修正轨迹，η(∞)表示所述目标轨迹，t表示当前时刻；

其中，所述跟踪误差具体为：

T

e＝R(η(t)‑η(∞)),

T

其中，e表示所述跟踪误差，R表示世界坐标系和体坐标系之间的坐标转换矩阵，R表示所述坐标转换矩阵的转置；

其中，所述S104具体包括：

S1041：结合所述限时收敛函数重新确定所述智能汽车的跟踪误差：e'＝p(t)C(z)

其中，e'表示重新确定后的跟踪误差，C(z)表示包括所述转换误差z的误差转换函数；

S1042：根据所述误差转换函数，确定所述转换误差：其中，所述期望控制率的表达式具体为：

其中，τ(t)表示所述期望控制率，M表示包括附加智能汽车质量的惯性矩阵，K1表示增益对角矩阵，tanh表示双曲正切函数， 表示外部扰动 的自适应估计值，s＝0.01表示控制*T *T *T系数，表示动态面控制误差， 表示最优权重系数向量Wi ＝blockdiag[Wi1 ,Wi2 ,Wi3*T]的自适应估计值，其中，符号

“blockdiag[]”表示分块对角矩阵，角标符号“1，2，3”表示所述分块对角矩阵中对角线上的每个块的尺寸， 表示所述最优权重系数向量的自适应更新率， 表示所述外部扰动的自适应更新率，σ＝2表示关于所述最优权重系数向量自适应更新率的设计参数，Π表示T正定增益矩阵，θ＝[x,y,ψ]表示所述智能汽车在世界坐标系下相对于所述目标轨迹的位T移和行进偏角，ν＝[u,υ,r]表示所述智能汽车在体坐标系下的线速度和角速度，δd＝0.01和δw＝0.01均表示相应自适应更新率的设计系数，表示中间变量；

其中，所述S106具体包括：

S1061：以每两个更新触发时刻均能使得中间控制率达到所述期望控制率为目标，确定所述中间控制率的更新协议为：τ(t)＝λ(tk)，tk≤t＜tk+1，k＝0,1,...

其中，tk表示第k次更新触发时刻，tk+1表示第k+1次更新触发时刻，λ(t)表示两次更新触发时刻之间的中间控制率，λ(tk)表示更新触发时刻的中间控制率；

S1062：确定所述两次更新触发时刻之间的中间控制率与所述期望控制率之间的更新误差：ξ(t)＝λ(t)‑τ(t)

其中，ξ(t)表示t时刻的更新误差；

S1063：设置关于所述期望控制率的更新误差阈值，确定所述期望控制率的更新触发条件：tk+1＝inf{t＞tk‖ξ(t)|≥E}E＝γ1τ(t)|+γ2，0＜γ1＜1，γ2＞0其中，E表示所述更新误差阈值，|ξ(t)|表示所述更新误差的绝对值，符号“inf”表示极小下界，τ(t)|表示所述期望控制率的绝对值，γ1和γ2分别表示第一动态阈值和第二动态阈值；

其中，所述中间控制率具体为：

其中，γ3表示关联动态阈值；

其中，所述行进方程具体为：

其中，R表示世界坐标系和体坐标系之间的坐标转换矩阵，τd表示所述外部扰动，τ(t)表示所述期望控制率即所述智能汽车的控制输入。

2.根据权利要求1所述的智能汽车控制方法，其特征在于，还包括：S110：监测所述智能汽车与所述导航路径的偏离状态，在所述偏离状态大于预设偏离状态的情况下，发出预警。

3.一种智能汽车控制系统，其特征在于，包括处理器和用于存储处理器可执行指令的存储器；所述处理器被配置为调用所述存储器存储的指令，以执权利要求1至2中任一项所述的智能汽车控制方法。