1.一种水下机器人控制系统的运动控制方法，水下机器人控制系统包括水面控制系统和水下控制系统，所述水面控制系统包括水面控制台(1)、大功率电源(2)、脐带缆(3)，水面控制台(1)和大功率电源(2)与脐带缆(3)相连，为水下机器人本体提供能量及数据传输；所述水下控制系统包括供电单元(4)、嵌入式微控制器(5)、照明监测单元(6)、动力推进单元(7)、传感器信息采集单元(8)、安全检测单元(9)，脐带缆(3)的通信线与嵌入式微控制器(5)相连，接收水下机器人的动作指令以及发送水下机器人通过传感器单元(8)采集到的信息，脐带缆(3)的电源线与大功率电源(2)相连，为水下机器人提供电能；所述供电单元(4)将脐带缆(3)传输的直流电源转换成电压等级不同的直流电压，并分别输送给嵌入式微控制器(5)、照明监测单元(6)、动力推进单元(7)；所述嵌入式微控制器(5)包括ARM9主控板(51)、第一LPC从控板(52)、第二LPC从控板(53)，所述第一LPC从控板(52)与照明监测单元(6)、安全检测单元(9)相连，用于控制水下灯(62)、云台摄像模块(61)、电压电流温度检测(91)、温湿度检测(92)、漏水检测(93)；所述第二LPC从控板(53)与动力推进单元(7)相连，控制水下推进器，实现机器人的运动；所述ARM9主控板(51)搭载Linux操作系统，与水面控制台(1)、第一LPC从控板(52)、第二LPC从控板(53)通信，所述ARM9主控板(51)控制导航模块(81)、深度计模块(82)、声呐模块(83)进行数据采集，对运动控制单元(10)进行控制；所述照明监测单元(6)包括水下灯(62)和云台摄像模块(61)，分别用于视觉照明和水下环境监测记录；其特征在于：水下机器人控制系统的运动控制方法，包括以下步骤：

步骤1：水下机器人在水中做六个自由度运动，分别为三轴移动和三轴旋转；在外界环境干扰的情况下，通过传感器系统采集的水下机器人的位置和姿态信息，建立水下机器人运动学数学模型为：

6×6

其中，M为水下机器人惯性矩阵，M∈R ；C(v)为水下机器人科氏及向心力矩阵，C(v)∈R6×6；D(v)是水下机器人流体阻力矩阵，D(v)∈R6×6；g(η)是由重力和浮力组成的回复力矩阵，g(η)∈R6×1；τ是水下机器人推进器提供的推力，τ∈R6×1； 为水下机器人相对于固定坐标系的位置和姿态角，其中 为横滚角，θ为俯仰角，ψ为航向角；J(η)为坐标转换矩阵；v＝[u v w p q r]T，为水下机器人在艇体坐标系内的六个自由度的速度；

水下机器人的运动包括前进、后退、上浮、下潜和转艏，其运动方式为单自由度运动，各自由度之间粘性耦合较小，运动坐标系原点和水下机器人重心基本重合，简化后的模型为：则水下机器人的单自由度动力学模型为：

式中，μ为速度，mμ、dμ及dμ|μ|分别为惯性系数、一阶阻力系数和二阶阻力系数，gμ表示水下机器人的重力和浮力在单自由度方向上的作用力，τμ表示推进器产生的作用力；

使用Fluent软件对水下机器人进行水动力性能数值模拟分析，得到不同航态下的推力、速度及加速度；对数值模拟结果采用最小二乘法参数辨识，求出惯性系数、一阶阻力系数和二阶阻力系数的值，得到单自由度动力学模型；

步骤2：广义预测控制采用受控自回归积分滑动平均模型模型作为预测模型，预测模型为：其中A(z-1)、B(z-1)是后移算子z-1的多项式，u(t-1)是t-1时刻推进器输入电压，Δ＝1--1z 表示差分算子，e(t)为均值为零的白噪声序列，y(t)为t时刻的输出；

为了预测得到j步后输出y(t+j)的最优预测值，使用丢番图Diophantine方程：

1＝Ej(z-1)A(z-1)Δ+z-jF(z-1)  (5)

Ej(z-1)B(z-1)＝Gj(z-1)+z-jHj(z-1)  (6)其中j＝1,…,N1,并且

Ej(z-1)＝ej0+ej1z-1+…+ej,j-1z-j+1，ej0＝1Fj(z-1)＝fj0+fj1z-1+…+fjnz-n

Gj(z-1)＝gj0+gj1z-1+…+gj,j-1z-j+1

-1 -1 -n+1

Hj(z )＝hj0+hj1z +…+hjn-1z

由式(4)、(5)、(6)得最优预测值表示为：

y(t+j)＝GjΔu(t+j-1)+Gjy(t)+HjΔu(t-1)+Eje(t+j)其中y(t+j)为t+j时刻的预测输出，Eje(t+j)为t+j时刻的白噪声；

步骤3：当被控对象参数未知或慢时变时，必须使用参数估计算法，在线估计出A(z-1)和B(z-1)的系数，然后用参数估计值代替真实值进行控制率推导；

给定算法中的遗忘因子ρ，取ρ＝0.95～1，正定矩阵P(-1)和参数估计初始值θ(0)，给定预测时域N1,控制时域Nu和加权常数λ；

令ε(t)＝Δy(t)-X(t-1)Tθ(t-1)，其中Δy(t)为当前输出变化，X(t-1)为过去时刻输入，考虑到被控对象参数可能慢时变的情况选取具有遗忘因子的递推最小二乘算法，得-1 -1用式(7)、(8)在线估算出A(z )和B(z )，并利用式(5)、(6)求出Ej、Fj、Gj和Hj；

步骤4：计算矩阵G及GT(G+λI)-1，其中I为单位矩阵；

步骤5：为了使当前时刻的输出y(t)尽可能平稳的到达设定值yr，引入一阶滤波方程：yr＝y(t)yr(t+j)＝αyr(t+j-1)+(1-α)yr j＝1,2,…其中α为柔化系数，且0≤α＜1；广义预测控制的任务就是使被控对象的输出y(t+j)尽可能的靠近yr(t+j)；

性能指标为：

其中E为数学期望，N1是预测时域，Nu是控制时域，λ为控制加权常数；

将GT(G+λI)-1GT第一行记作[p1,…,pN1]＝pT；

T

可求得：Δu1(t)＝p[yr-Fy(t)-HΔu1(t-1)]；

因此控制量为u1(t)＝u1(t-1)+Δu1(t)；

步骤6：控制系统中模糊控制器输入量是导航模块采集位置姿态的偏差e(t)＝y(t)-yr(t)和偏差变化率ec(t)＝e(t)-e(t-1)，其实际论域为e∈(-10,10)，选量化因子Ke＝0.3，Kec＝0.3，则其两个语言变量E、EC离散论域皆为[-3,-2,-1,0,1,2,3]，基于语言变量E、EC的离散论域，选定输出U的论域为[-3,-2,-1,0,1,2,3]；经模糊规则运算得出的控制量U是一个模糊子集，但实际被控对象只能接受一个精确的控制量，因此，需要把控制量的模糊集清晰化，乘以比例因子Ku，得到实际的控制量u2(t)；根据运动控制经验确定语言变量E、EC、U的隶属函数曲线；根据专家知识建立控制规则的解析表达式为：U＝ζE+(1-ζ)·CE,ζ∈[0,1]

式中ζ为调整因子，又称为加权因子；

取ζ＝0.5时，可得模糊控制规则表，选取控制量的基本规则是：当误差的绝对值大于5时，选择尽快消除误差的控制量,即选用模糊控制器；当误差的绝对值小于5时，选择模糊及广义预测控制器；

步骤7：在广义预测控制器和模糊控制器结合的过程中，比例系数为β，以此来控制两种控制器的输出占总输出的比重，即u(t)＝βu1(t)+(1-β)u2(t)

当|e|＞5时，以模糊控制器为主控制器，即β＝0；

当|e|≤5时，β＝-0.2|e|+1，0≤β＜1；

步骤8：通过运动控制器输出u(t)通过动力分配给不同的推进器，从而驱动水下机器人的运动；

步骤9：当t+1时刻时，返回到步骤3。