1.一种车辆EPS摩擦补偿控制方法，其特征在于，包括：
S1.进行基于LuGre模型的转向系统摩擦建模；
S2.设计摩擦观测器；
S3.设计基于反步法的自适应神经网络电流控制器，进行EPS摩擦补偿控制。
2.如权利要求1所述的一种车辆EPS摩擦补偿控制方法，其特征在于，所述步骤S1中，转向系统中LuGre模型表达式如下：
式中，
TfL为转向系统LuGre摩擦力矩；
为接触面相对转速；
σ0为鬃毛平均刚度；
σ1为鬃毛平均阻尼系数；
Tc为库伦摩擦力矩；
Tb为最大静摩擦力矩；
为Stribeck临界转速；
z为接触面刚毛的平均变形量；
sat(·)为临界函数，阈值限制为±1。
3.如权利要求2所述的一种车辆EPS摩擦补偿控制方法，其特征在于，所述步骤S1中，基于LuGre模型的转向系统摩擦模型为：
Tf＝TfL+Tfr
式中，
Tfr为由于制造及装配引起的个体化摩擦力矩差异；
Tf为转向系统等效摩擦力矩。
4.如权利要求2所述的一种车辆EPS摩擦补偿控制方法，其特征在于，所述步骤S2中，根据LuGre模型表达式得到状态观测器方程为：
式中，
为状态变量z的估计值；
为LuGre摩擦力矩TfL的估计值；
k为增益系数；
e为系统的电流跟踪误差。
5.如权利要求1所述的一种车辆EPS摩擦补偿控制方法，其特征在于，所述步骤S3中，基于反步法的自适应神经网络电流控制器的设计步骤如下：
S31.定义EPS助力电机电流跟踪误差：
e1＝Iact‑Itar
式中，
Itar为无扰动理想目标电流信号；
Iact为电机实际电流信号；
对上述公式求导，得电流跟踪误差的导数为：
定义Lyapunov函数：
求导可得：
为了实现 定义滑模函数：
式中：c1＞0，c2＞0。
取虚拟控制：
则：
若s＝0，则
S32.通过RBF神经系统逼近非线性扰动：
重新定义Lyapunov函数：
由于 所以：
式中：非线性函数f(x)，其包含不确定参数Tfr，Tf1，Tf2；使用RBF神经网络对其进行逼近如下：
*Τ
f(x)＝w h(e)+ε
式中，
*
w为理想逼近参数；
为估计逼近参数；
ε为最小逼近误差；
e为神经系统的输入向量，
为使 设计控制器：
式中：c3＞0；
则：
6.一种车辆EPS摩擦补偿控制系统，其特征在于，包括：
转向系统摩擦建模模块，用于建立基于LuGre模型的转向系统摩擦模型；
摩擦观测器设计模块，用于设计摩擦观测器；
自适应神经网络电流控制器设计模块，用于设计基于反步法的自适应神经网络电流控制器。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑5中任一所述的一种车辆EPS摩擦补偿控制方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑5中任一所述的一种车辆EPS摩擦补偿控制方法。