1.基于区间多目标优化的水下机器人全局路径规划方法，其特征在于，包括以下步骤：(1)确定水下机器人路径规划的区域，根据海流数据建立规划环境模型，设定海流的不确定度以及不确定危险源的位置和不确定度；

(2)编码粒子，初始化各路径的B样条控制点，将路径编码为准均匀三次B样条曲线的控制点序列B(b1，b2，...，bn)，其中前三个点为起点，最后三个点为终点，除起点和终点外，其他点随机初始化一个坐标bi＝(xi，yi，zi)；

(3)根据B样条控制点计算实际航行路径，将各个路径控制点的坐标代入到B样条曲线的计算公式中计算路径曲线的各个路径点坐标；

(4)计算各路径航行时间区间和危险度区间；

(5)利用区间可能度模型对候选路径进行占优排序并存入外部储备集，利用区间拥挤距离公式按外部储备集中各个路径的拥挤距离排序；

(6)在占优等级最高的个体中随机选择一个作为群体最优位置，基于区间占优关系选择个体历史最优位置；

(7)对不可行路径进行的变异操作；

(8)根据动态权重的量子粒子群算法的粒子位置更新公式更新各条路径的位置；

(9)基于区间占优关系和区间拥挤度对各路径进行优劣排序，判断是否达到迭代次数，不满足则返回步骤(3)，满足则输出最优路径集。

2.根据权利要求1所述的基于区间多目标优化的水下机器人全局路径规划方法，其特征在于，所述步骤(1)设定海流的不确定度以及不确定危险源的位置和不确定度为：设海流的方向角为cd,海流大小为cv不确定海流的方向和大小不确定水平分别为θ和φ，通过统计历史数据的误差进行取值，海流方向和大小的区间数分别为[cd‑θ,cd+θ]和[cv‑φ,cv+φ]；

设危险源的不确定范围为半径为r的球体Ω内，设球心为O,路径与危险源距离最近的点p到危险源实际位置的可能最短距离为：可能最长距离为：

dmax＝d(p,O)+r

可得路径点与危险源的可能距离为区间数[dmin,dmax]。

3.根据权利要求1所述的基于区间多目标优化的水下机器人全局路径规划方法，其特征在于，所述步骤(3)将各个路径控制点的坐标代入到B样条曲线的计算公式中计算路径曲线的各个路径点坐标的过程为：

其中B3(t)是3次B样条曲线的基函数，X、Y、Z为计算得到的路径航行点。

4.根据权利要求1所述的基于区间多目标优化的水下机器人全局路径规划方法，其特征在于，所述步骤(4)为计算由步骤(3)得到的路径在不确定海流和不确定危险源下的响应区间，即航行时间的最大值最小值和危险度的最大值最小值，水下机器人在海流条件下所消耗的时间为在各条子路径 上消耗时间之和:其中 是水下机器人相对于海底的速度，是通过推进速度和海流矢量叠加得到的，海流的大小和方向是一个区间量，计算得到的航行时间为区间路径的危险度与路径和危险源的距离成反比，危险源可能的位置范围为区间d＝[dmin,dmax]，定义一个安全距离lmax和一个危险距离lmin，根据下式计算路径相对第i个危险源的危险度：

计算得到的路径危险度为区间数

5.根据权利要求1所述的基于区间多目标优化的水下机器人全局路径规划方法，其特征在于，所述步骤(5)将基于区间可能度的占优关系定义为：I

设候选路径X1和X2在区间海流作用下的航行时间区间分别为T1 和 区间可能度模型表述如下：

w I

其中，T1和 分别为两个区间的区间宽度， 为区间 优于T1的可能性，设候选路径X1和X2的危险度区间分别为 和 如果同时有和 则路径X1占优X2；

I

基于区间的拥挤距离计算方法为：设路径X1和X2的适应度区间分别为T1 、 和它们交区间的宽度为 和 那么两路径的重叠度可以表示为：

I I

记区间的中点为m(T)和m(H),路径X1的目标函数超体的体积为两目标区间宽度的乘积

路径X1和X2的拥挤距离与两区间中点之间的距离成正比，与两路径适应度超体的重叠度大小和区间自身的大小成反比，则拥挤距离可表示为：设由上式得到的与路径X1距离最近的两条在占有排序中与X1具有相同序值的个体分别为X2和X3，则个体X1在相同序值的群体中的拥挤度表示为：拥挤距离越大，个体有越好的分布性。

6.根据权利要求1所述的基于区间多目标优化的水下机器人全局路径规划方法，其特征在于，所述步骤(7)中变异操作为随机单点变异，即随机生成一个路径曲线控制点个数n以内的随机数k，选择B样条曲线控制点序列B(b1,b2,...,bn)中第k个控制点bk进行变异操作，其中被选中控制点bk＝(xk,yk,zk)，u为每次变异的范围，xmax、ymax、zmax为规划区域的边界范围。

7.根据权利要求1所述的基于区间多目标优化的水下机器人全局路径规划方法，其特征在于，所述步骤(8)中量子粒子群算法的粒子位置更新公式为：其中i(i＝1,2,...,M)表示第i个粒子，M为群体规模，j(j＝1,2,...,N)表示粒子的第j维，N为搜索空间维数，ui,j(t)和 均为[0,1]区间上均匀分布的随机数，pi,j(t)表示迭代代数为t时吸引子位置，yi(t)为个体历史最优位置，为群体最优位置，C(t)为所有粒子历史最好位置的平均，扩张收缩因子α决定了粒子的收敛性。

8.根据权利要求7所述的基于区间多目标优化的水下机器人全局路径规划方法，其特征在于，所述扩张收缩因子α按余弦衰减方式衰减，先缓慢衰减广泛搜索，再快速衰减进行局部优化，

其中iter为总迭代次数，t为当前迭代次数，α从1.7随迭代次数先慢后快地减小到0.5。