1.一种基于PSO改进的大脑情感学习智能控制器的汽车IMT速度控制方法，其特征在于，具体步骤如下：步骤一、建立电机-变速器集成系统控制学模型；步骤二、根据控制学模型，设计基于大脑情感学习智能控制器的汽车电机—变速器集成系统速度控制器；步骤三、设置PSO算法优化的适应度函数，设定参考电机转矩，并在参考电机转矩下求解当适应度函数最小时，速度控制器中的各待定参数；适应度函数公式表达式为：f c ＝∫|w' m -w m |dt；w' m 是电机实际对应的转速；w m 是驱动电机的转速(rad/s)；步骤四、将得到的各待定参数，参考电机转矩和传感器测得的实际车轮转矩输入速度控制器中，输出补偿后的电机转矩；步骤五、驱动器通过CAN总线收到补偿后的电机转矩信号后，驱动电机按照理想的电机转矩旋转，输出对应的理想转速，从而实现电机的转速控制。
2.如权利要求1所述的一种基于PSO改进的大脑情感学习智能控制器的汽车IMT速度控制方法，其特征在于，步骤一中所述的电机-变速器集成系统控制学模型，如下公式：其中，J g 是换挡齿轮的转动惯量(K g ·m 2 )；J m 是驱动电机的转动惯量(K g ·m 2 )；J c 是车辆的总惯量(K g ·m 2 )；J w 是车轮的转动惯量(K g ·m 2 )；m c 是车辆的总质量(K g )；w g 是换挡齿轮的转速(rad/s)；w m 是驱动电机的转速(rad/s)；w w 是车轮的转速(rad/s)；T go 是换挡齿轮的输出转矩(N·m)；T m 是驱动电机的转矩；T ro 是转动阻力矩；T f 是传动轴上的阻力矩(N·m)；T lo 是整车的负载转矩(N·m)；T gr 是道路阻力矩(N·m)；T air 是整车的空气阻力矩(N·m)；c m 是电动机的阻尼系数；c f 是传动轴的阻尼系数；c r 是旋转阻力系数；k f 是刚度系数；i 0 是主减速器的传动比；i g 是换挡齿轮的传动比；θ m 是电机的旋转角度(rad)；θ w 是车轮的旋转角度(rad)；g是引力常量，取9.8；β是道路坡度(rad)；ρ air 是空气密度；A是汽车的迎风面积(m 2 )；c d 是空气阻力系数；r w 是汽车车轮的半径(m)；对于任意给定的实际车轮的转速w w '和转角θ' w ，根据上述公式计算出电机实际对应的转速w' m 、转角θ' m 和转矩T' m ：T' lo 是整车的负载实际转矩；θ' w 是车轮的实际旋转角度。
3.如权利要求1所述的一种基于PSO改进的大脑情感学习智能控制器的汽车IMT速度控制方法，其特征在于，步骤二中所述的基于大脑情感学习智能控制器的汽车电机—变速器集成系统速度控制器，分为杏仁体和眶额皮质层；这两个模块中的学习算法和速度控制器的控制输出分别如下：OP＝A-O其中A i 是杏仁体中第i个信号接收点的输出值，m i 是杏仁体中第i个信号接收点相应的权值；S i 是第i个感官输入值；O i 是眶额皮质层中第i个信号接收点的输出值，n i 是眶额皮质层中第i个信号接收点相应的权值；j是杏仁体或眶额皮质层的信号接收点总数；OP是速度控制器的输出；杏仁体和眶额皮质层中第i个信号接收点的两个权值的调节律如下：其中，k A 是杏仁体的学习率；k o 是眶额皮质层的学习率；0＜k A ,k o ＜1；ES是情感激励信号；A th 是丘脑信号在杏仁体中的输出，公式如下：A th ＝m th ·max(S)。
4.如权利要求3所述的一种基于PSO改进的大脑情感学习智能控制器的汽车IMT速度控制方法，其特征在于，速度控制器性能的好坏主要依赖于感知输入S和情感激励信号ES函数的设置；其中，选取控制误差、控制累计误差和误差的微分作为S的分量；ES的几分量分别取控制误差、累计误差和整个系统的输出；具体函数如下：S＝[p 1 e p 2 ∫edt p 3 de/dt] TES＝p 4 e+p 5 ∫edt+p 6 OP其中p 1 是感知输入S的控制误差e的系数；p 2 是感知输入S的控制累计误差∫edt的系数；p 3 是误差微分de/dt的系数；p 4 是情感激励信号的控制误差e的系数；p 5 是情感激励信号的控制累计误差∫edt的系数；p 6 是系统输出的系数；将感知输入中累积误差分量进行修正；公式如下：p 2 ＝λp' 2其中p' 2 是一个常数，λ是p 2 的调节参数，e k 是设定的误差限。
