1.一种水下机器人推进系统故障的容错控制方法，其特征在于，该方法包含下列步骤：(1)建立四个水平推进器、两个垂直推进器的六自由度水下机器人数学模型，其中1号、

2号、3号、4号为矢量分布的水平推进器，5号、6号为垂直推进器；

(2)通过滑模观测器实时获取各个推进器的故障估计γ1、γ2、γ3、γ4、γ5、γ6，其中γ1、γ2、γ3、γ4是四个水平推进器的故障系数，γ5、γ6是两个垂直推进器的故障系数，引入故障权重矩阵W，当无故障时，基于推力分配矢量矩阵B(α)建立水下机器人推力预测模型，当故障发生时，基于原推力分配矩阵与故障权重矩阵W建立故障预测模型；

(3)运用模型预测控制解决推力分配开环最优化问题求得推力最优解，推力重新分配所考虑的优化目标包括：功率消耗最少、分配误差最小、避免推进器配置矩阵奇异项，约束条件包含等式约束、故障情况下推力变化约束，以推进器的推力向量为状态量，以推进器的推力变化率为控制量，基于所述水下机器人推力预测模型的目标函数和约束条件滚动优化，求解得到各推进器的推力值并分配给对应推进器；

(4)对模型预测控制中目标函数的求取使用多元宇宙优化算法进行优化，对传统MVO算法进行改进，使用对数增长的WEP和非线性收敛的TDR，WEP表示多元宇宙空间中虫洞存在的概率，TDR表示物体朝着当前最优宇宙移动的步长。

2.如权利要求1所述的水下机器人推进系统故障的容错控制方法，水下机器人包含6个推进器，其中1号、2号、3号、4号为矢量分布的水平推进器，5号、6号为垂直推进器，其特征在于，所述步骤(1)中，其中六自由度水下机器人数学模型的建立包括以下步骤：步骤(1.1)：构建水下机器人水平四个推进器在随船坐标系下的合推力及合推力矩表示：其中，T1、T2、T3、T4分别为水下机器人本体受到1号、2号、3号、4号推进器的推力；Xh、Yh、Zh分别为水下机器人本体受到水平推进器沿随船坐标系的x轴、y轴、z轴的合推力，xh、yh、zh是水平推进器绕随船坐标系的x轴、y轴、z轴的位置矢量，Kh、Mh、Nh分别为水平四个推进器对水下机器人本体在随船坐标系的x轴、y轴、z轴的合推力矩，αh为推进器与随船坐标系x轴的夹角；

步骤(1.2)：构建水下机器人垂直两个推进器在随船坐标系下的合推力表示：其中，T5、T6分别为水下机器人本体受到5号、6号推进器的推力，Xv、Yv、Zv分别为水下机器人本体受到垂直推进器沿随船坐标系的x轴、y轴、z轴的合推力，xv、yv是垂直推进器绕随船坐标系的x轴、y轴的位置矢量，Kv、Mv、Nv分别为垂直两个推进器对水下机器人本体在随船坐标系的x轴、y轴、z轴的合推力矩；

步骤(1.3)：由上面两个方程组，水下机器人所安装的6个推进器对水下机器人本体产生六自由度运动的合推力：其中，XT、YT、ZT分别为6个推进器对水下机器人本体产生的纵向推力、横向推力和垂向推力，KT、MT、NT分别6个推进器对本体产生的横倾推力矩、纵倾推力矩、偏航推力矩；

作用在水下机器人本体上的六自由度的控制矢量用下式表示：τ＝B(α)T

T

其中，τ＝[XT YT ZT KT MT NT] 为作用在水下机器人本体上的六自由度推力矢量，T＝T[T1 T2 T3 T4 T5 T6]为推进器输出的推力矢量；B(α)为推进器矢量布置矩阵。

3.如权利要求1所述的水下机器人推进系统故障的容错控制方法，其特征在于，所述步骤(2)中，获取各个推进器的故障估计并引入故障权重矩阵建立故障预测模型包括以下步骤：步骤(2.1)：i号推进器失效故障的数学模型表示为：其中γi∈(‑1,0]为i号推进器的失效因子，ui为i号推进器的控制电压， 为失效修正后i号推进器的控制电压，γi＝0表示i号推进器正常工作，没有故障；当‑1<γi<0时，表示i号推进器部分失效但仍在工作；

带推进器故障的水下机器人状态方程表示为：

xp(k+1)＝Apxp(k)+Bpu(k)+E(k)γ(k)+d(k)其中， 为系统状态变量， 为系统输入 为对应的系统矩阵， d(k)＝△

Apxp(k)+△Bpup(k)+ω(k)表示系统参数不确定性和外部干扰的总和；

T T T

定义新状态变量z(k)＝[xp(k)  γ(k) ]，可以得到观测模型：其中 和 Im表示m阶的单位矩

阵，In表示n阶的单位矩阵，0m×n表示m×n的零矩阵，0m表示m×m的零矩阵，0qm表示q×m的零矩阵，如果 可观，系统状态和故障失效因子γi可被观测器估计出来；

步骤(2.2)：引入故障权重矩阵：

修改后的推力分配矩阵变为τ＝B(α)WT。

4.如权利要求1所述的水下机器人推进系统故障的容错控制方法，其特征在于，所述步骤(3)中，使用模型预测控制求解推力重新分配问题包括以下步骤：步骤(3.1)：目标函数

功率消耗最少：

其中， 为i号推进器的功率系数；

分配误差最小：

T

Js＝sQs

其中，s＝τd‑B(β)T是分配误差；

避免推进器配置矩阵奇异项：

T

其中，ρ和ε是调节参数，目的是使B(β)B(β) ≠0，即B(β)行满秩；

步骤(3.2)：约束条件

等式约束：

B(β)T+s＝τd

推力变化约束：

其中，Ti,max是i号推进器能产生的最大推力，Ti,min是最小推力，ΔTi,max是最大推力变化率，ΔTi,min是最小推力变化率，γi是i号推进器的失效因子；

步骤(3.3)：模型预测控制器的目标函数：

J＝min(JP+Js+Jsm)

以推进器的推力向量为状态量，以推进器的推力变化率为控制量，基于所述水下机器人推力预测模型的目标函数和约束条件滚动优化，求解各推进器的推力值并分配给对应推进器。

5.如权利要求1所述的水下机器人多电机推进系统的容错控制方法，其特征在于，所述步骤(4)中，使用改进多元宇宙算法优化求取模型预测控制中滚动优化的目标函数包括以下步骤：T

步骤(4.1)：根据变量上下界初始化一个多元宇宙种群U＝[U1,U2,…,Un] ，其中，n是宇宙数量；

步骤(4.2)：初始化多元宇宙空间中虫洞存在的概率的下限WEPmin及上限WEPmax、开采度p、当前迭代次数l、最大迭代次数L；

步骤(4.3)：计算宇宙个体的适应度值，通过比较获得当前最优宇宙；

步骤(4.4)：进入主循环，根据下式更新WEP和TDR；

其中，WEP表示多元宇宙空间中虫洞存在的概率，TDR表示物体朝着当前最优宇宙移动的步长；

步骤(4.5)：针对传统多元宇宙算法搜索效率低，WEP和TDR在迭代过程中不易平衡的问题，对传统MVO算法进行改进，使用对数增长的WEP和非线性收敛的TDR，如下式：步骤(4.6)：执行下式执行轮盘赌机制：

其中，NI(Ui)表示第i个宇宙的归一化膨胀率，r1是[0,1]范围内的随机数， 表示轮盘赌机制选择出的第k个宇宙的第j个物体；

步骤(4.7)：根据下式计算更新后的最优宇宙，若优于当前最优宇宙，则将其替换，反之保留当前最优宇宙：其中，Xj表示当前最优宇宙的第j个物体，lbj和ubj分别指代x的下限和上限，r2，r4是[0,1]范围内的随机数；

步骤(4.8)：终止准则判断，若达到最大迭代次数或最小精度要求，则退出主循环，输出最优宇宙和目标函数值，反之返回步骤(4.3)。