1.一种全驱动AUV回收控制系统的自主回收方法，全驱动AUV回收控制系统，包括回收单元和水下控制系统；所述回收单元由支架放置于海底平面或悬挂于船舶上，水下控制系统安装在全驱动自主水下机器人上；所述回收单元包括水声收发器、摄像机、圆锥导向罩、导管、灯光组；所述水声收发器安装在圆锥导向罩两侧，灯光组包含四个水下灯，以菱形的几何关系安装在圆锥导向罩外沿，所述摄像机安装在圆锥导向罩后部、导管颈部，用以基岸人员实时观测末端水下回收的过程；所述水下控制系统包括主控单元、照明控制板、电源管理系统、水下灯、漏水传感器、信息测量单元、温湿度传感器、避碰声呐、水下摄像机组、电池、导航定位单元、运动控制单元；主控单元由两块PC104工控板构成，主控PC104完成运动控制并对传感器的信息采集和处理，从控PC104仅和水下摄像机组相连，处理视频、图片数据，减小主控PC104的负担，两工控板之间通过485通信模式传送数据；所述照明控制板与主控PC104连接，接收亮度控制信号，对水下灯亮度进行调整；所述电源管理系统、漏水传感器和温湿度传感器与主控PC104相连，检测电池状态信息和机器人内部环境信息；所述导航定位单元包括USBL定位设备、光纤惯导、GPS/无线模块、多普勒仪，USBL定位设备、光纤惯导、GPS/无线模块和多普勒仪都与主控PC104相连，USBL定位设备在回收阶段接受水声收发器的信息计算相对位置，并将光纤惯导、多普勒仪、深度计所得到的数据发送给主控PC104，推算AUV当前位置、姿态；所述水下摄像机组在AUV回收末端将灯光组几何关系传输到从控PC104，从控PC104负责计算AUV相对回收口的位置，发送给主控PC104校准导航传感器得到的位置信息；所述运动控制单元包括电机控制器、电机组和拋载电磁铁；所述电机控制器根据主控PC104的发送的推进器的转速大小，用PWM对5个推进器转速控制，动态调整AUV的姿态角度和航速，同时将电机的转速发送给主控PC104；所述抛载电磁铁通电释放重块，在水下发生故障时将电磁铁吸附重块抛出实现快速上浮，完成AUV的自救；其特征在于，将动力定位思想加入到回收对接中；整个过程包括直线归位、直线跟踪、直线对接和校准对接四个阶段，在到达直线跟踪阶段后开启四自由度动力定位系统；所述四自由度动力定位系统对包括深度、纵倾角、航向角、横向位置四个自由度控制，依靠AUV将通过光纤惯导、USBL定位设备、深度计和多普勒仪得到的位姿数据，通过自适应无迹粒子滤波方法，得到AUV复合运动中的低频状态，通过动力定位控制器实时计算控制增量，使各推进器产生推力与力矩作为补偿动力，以抵消水流作用，保持AUV目标位置、艏向、深度和姿态；所述全驱动AUV控制系统的自主回收方法在AUV收到水声收发器信号并确认执行水下回收任务时开始，之后进入直线归位阶段，根据水声收发器确认回收口位置信息、多普勒仪的水平面速度信息、光纤惯导的姿态角信息和深度计的深度信息，指引AUV到指定深度并向回收口中心延长线前的直线追踪点不断逼近；当AUV到达直线追踪点时，进入直线跟踪阶段，此阶段通过调整艏向角来减小直线归位阶段的超调量，之后调整艏向平行回收口中心线并使用四自由度动力定位控制，以侧向推力保持直线跟踪；使AUV尽可能保持目标位置、艏向、深度和姿态；直至捕捉到灯光组信号认为到达对接就位点，之后进入直线对接阶段，所述直线对接阶段AUV缓慢减速至悬停校准灯光组信号，保持艏向始终平行于回收口中心线，根据灯光组的形心调整AUV深度和横向误差，之后缓慢前进；当AUV快进入圆锥导向罩时进入视觉对接盲区，此时为校准对接阶段，控制AUV艏向角度并减速，以艏向尽量与圆锥导向罩中心线平行的姿态进入导管完成对接。

2.如权利要求1所述全驱动AUV回收控制系统的自主回收方法，其特征在于，所述自适应无迹粒子滤波方法包括以下步骤：

1)初始化：根据位置信息、速度和姿态角信息定义状态向量、观测向量、状态模型方程和观测模型方程；状态模型方程和量测方程可由以下方程描述：xk＝f(xk‑1,uk,wk‑1)                                                      (1)yk＝h(xk,vk)                                                           (2)式中，xk、yk分别为k时刻系统的状态向量和观测向量，f(·)、h(·)为状态和观测的非线性函数，uk是控制量，wk是状态噪声，其均值为0，协方差为Qk，vk是观测噪声，均值为0，协方差为Rk；

令k＝0，从已知初始分布中抽取n个粒子， 中上标代表第i个粒子，下标代表k时刻，初始化每个粒子权值为 定义以下初始条件：其中， 为第i个粒子状态初值， 为 的均值， 是初始n个粒子状态的期望，是初始的第i个粒子相对粒子均值 的距离平方的期望，等于该粒子的预测协方差初值， 为第i个粒子预测协方差初值， 为第i个粒子噪声统计特性初值；

2)采集数据：通过传感器系统获取AUV相对回收口位置、三轴线速度、三轴角速度和姿态角信息，并将以上信息代入状态模型方程和量测方程；其中，要对超短基线数据预处理得到位置信息；

3)采样并更新状态：对每个噪声统计特性为 与 的粒子用无迹卡尔曼滤波算法计算重要性分布函数，并从重要性分布函数中采样；之后使用粒子滤波更新估计状态并进行重采样判定；

4)噪声预测：估计粒子状态噪声统计特性；

5)根据计算的噪声统计特性与重采样生成的新粒子代入步骤2)迭代循环。

3.如权利要求2所述全驱动AUV回收控制系统的自主回收方法，其特征在于，自适应无迹粒子滤波方法的步骤3)包括以下步骤：

1)构造2N+1的Sigma点集，N为xk状态向量对应的状态空间维度，计算Sigma点：其中， 为第i个粒子的Sigma点； 为k‑1时刻粒子的状态值； 为k‑1时刻2

的预测协方差；λ＝α(N+κ)‑N为尺度参数，常量α决定了Sigma点在均值附近的分布，κ是次级尺度调节参数，设置为0，j是sigma点的编号，L等于N，该sigma点集服从高斯分布，中心点编号为0，向左编号从1到L，向右编号为L+1到2L；

2)将Sigma点通过非线性函数进行传递，产生预测的Sigma样本点：m c

其中， 为 到 的一步转移矩阵；Wi 和Wi为均值和协方差的加权值；

为k‑1时刻的系统噪声； 为量测矩阵， 是第i个粒子状态的先验估计，是第i个粒子对观测向量yk的估计；

3)由式 判断是否发散，如发散按式(14)～(17)修正 不发散则进入下一步，其中 为残差序列；

引入衰减因子λk：

修正Pk|k‑1：

其中：

其中ρ为衰减系数，一般取值(0,1]，此处取值0.95；tr为矩阵的对角线元素之和；

4)量测更新，根据式(18)～(20),求得量测方差Pyy,状态测量方差Pxy和滤波增益Kk：得到当前水下机器人的量测更新值为 和Pk|k：

5)得到粒子滤波系统重要性分布函数：从重要性分布函数对n个粒子进行采样：

6)计算 的权值：

对权值 归一化处理：

7)计算系统状态，得到AUV位置和姿态估计值：

8)计算估计式：

是衡量粒子退化程度的变量，将所得结果和既定阈值Ng比较，若Neff＜Ng则进行重采样，重新得到M个新粒子，并赋予权值

4.如权利要求2所述全驱动AUV回收控制系统的自主回收方法，其特征在于，自适应无迹粒子滤波方法的步骤4)噪声预测使用Sage‑Husa噪声估计对粒子状态噪声统计特性自适应估计：

其中 是每个粒子第k个时刻对状态噪声wk均值估计，是每个粒子第k个时刻对状态噪声wk协方差的估计，是每个粒子第k个时刻输出的量测更新估计状态，等于是对预测值的期望， 是状态测量协方差矩阵； b为遗忘因子，范围为0.95＜b＜0.99， 为残差项。