= h(AU(k))，此时有 /，.(Δ"⑷,σ) = ./(Δ"⑷卜冲沁"⑷）；户(·)为罚函数，F( ·)为增广目标函数；
[0160] 、咖忒（S)的带右的市容仳的优化问题转化为如下无约束的优化问题：
[0161]
(15)
[0162] 步骤四二、采用人工蜂群优化算法(Artificial bee colony,ABC)求解式（15)所 示的二次规划问题；
[0163] 设在d维空间里，人工蜂群优化方法取AU(水平舵控制输入增量序列)作为蜜源地 址，即第1个蜜源位置记为Χι=(χη，χι 2,…，Xid)，（每个蜜源代表优化问题的一个优化解，为 最佳控制输入序列AU(k);(AU(k)即可以通过求解式（15)获得，这里又将AU(k)与蜜源位 置对应，即为Xi = (Xu，xi2，…，xid));将SN个蜜源与采蜜蜂初始位置--对应，则2 X SN个蜜 源中每一个解的适应度值按下式求得：
[0164]
[0165] 其中，fit代表第1个蜜源的适应度，其越大代表着拥有更多的蜂蜜，也表明优化 解质量越高，被选中的概率越高，f 1 = F( AU(k)，〇)，AU(k)为UUV水平舵角控制输入增量序 列;根据式（11)清晰地看出，fi的值越小，所对应的蜜源适应度fiti越大;abs( ·)为绝对值 函数;人工蜂群种群包括采蜜蜂、观察蜂和侦查蜂，X1d为第1个蜜源位置中第d个分量;人工 蜂群的数目为2 X SN，采蜜蜂和观察蜂均为SN; 2 X SN个人工蜂群蜜源包括SN个采蜜蜂蜜源 和SN个观察蜂蜜源；根据式（11)求得SN个采蜜蜂蜜源中每一个解的适应度值；1 = 1,2， 3，…，2 X SN; 2 X SN为人工蜂群蜜源的总个数；
[0166] 步骤四三、设置人工蜂群优化方法迭代求解二次规划问题的次数为Cycle = l;
[0167] 步骤四四、当执行第n = l次步骤一到步骤六时，将步骤四二中2 XSN个初始解的适 应度值最大的解记为全局最优初始解xbest;当执行第η>1次步骤三到步骤六时，为了改善了 人工蜂群算法的求解效率，取n-1次步骤五中AU(k)剩余的m-1步控制输入分量作为人工蜂 群全局最优位置的全局最优初始解，BP :
[0168] xbest= [A5s(k+1), ···, A5s(k+m-l), A5s(k+m-l)]；
[0169] 步骤四五、在ABC优化算法搜索最优蜜源的过程中，采蜜蜂根据式(9)搜索新的采 蜜蜂蜜源：
[0170] vij = xij+ri(xij_xhj)+r2(xbest，j-xij) (9)
[0171] 其中，h 是一个随机产生的整数，hel，2，."，SN，h关?，_]·Ε?，2，···，(1，ηΕ[-1，1]也 是一个随机数，^皮[0，1]，心^为全局最优解的第」个元素;叫第1个采蜜蜂蜜源位置中第 j个分量的更新值;χυ第1个采蜜蜂蜜源位置中第j个分量;第h个采蜜蜂蜜源位置中第j 个分量；
[0172] 按式（11)求解新采蜜蜂蜜源的适应度值，在新采蜜蜂蜜源的适应度值和步骤四二 采蜜蜂的适应度值之间实施贪婪选择，若新采蜜蜂蜜源适应度值比步骤四二采蜜蜂的适应 度值大，则第1个蜜源位置中第j个分量根据式(9)求得更新值，否则，保留步骤四二采蜜 蜂蜜源；
[0173] 步骤四六、在步骤四五得到采蜜蜂蜜源的位置上，观察蜂按轮盘赌方法以选择概 率Pi对采蜜蜂的蜜源进行选择得到观察蜂的蜜源;其中概率Pi具体为：
[0174]
[0175] 根据观察蜂的蜜源按式(9)搜索新的观察峰蜜源，并按式（11)求出新的观察峰蜜 源的适应度值和观察蜂的蜜源适应度值，在新的观察峰蜜源的适应度值和观察蜂的蜜源的 适应度值之间实施贪婪选择，若新的观察峰蜜源的适应度值比观察蜂的蜜源的适应度值 大，则第1个蜜源位置中第j个分量为根据式(9)求得更新值，否则，保留观察峰蜜源的位 置；
[0176] 步骤四七、将步骤四五得到的最终的采蜜蜂蜜源适应度值和步骤四六得到的最终 的观察峰蜜源的适应度值进行比较得到适应度值最大的蜜源作为全局最优解x best;若此 Xbest对应的最大适应度值在0.998~1.002之间，则输出全局最优解Xbest作为最终全局最优 解，若此Xbest对应的最大适应度值不在0.98~1.02之间，该全局最优解Xbest作为当前全局最 优解，同时将采蜜蜂蜜源转至步骤四八；
[0177] 步骤四八、如果采蜜蜂的蜜源连续经过5~20次的步骤四一到四七后，蜜源质量依 旧得不到改善，即该蜜源所对应的适应度值在所有采蜜蜂中不是最大，且两次相邻的数值 变化在-0.001~0.001之间，那么采蜜蜂将会丢弃此处蜜源，并将采蜜蜂转变为侦查蜂，并 根据式(12)随机产生侦查蜂的蜜源：
[0178] xij = A5SMiN+rand(0，1) (A3smax_A5smin) (12)
[01 79] 其中，Δδ；?ΜΙΝ为变量Xlj的下边界；Δδ；?ΜΑΧ为变量Xlj的上边界；
[0180] 侦查蜂的蜜源添加到丢弃后的采蜜蜂的蜜源中得到最终的采蜜蜂的蜜源并转至 步骤四九；
[0181] 步骤四九、Cycle = Cycle+l，如果Cycle小于设定次数500,将最终的采蜜蜂的蜜源 转步骤四五;反之，如果Cycle大于等于设定次数500,输出全局最优解xbest作为最终全局最 优解。其它步骤及参数与【具体实施方式】一至五之一相同。
【主权项】
1. 一种基于人工蜂群优化的约束模型预测的欠驱动UUV深度控制方法，其特征在于:一 种基于人工蜂群优化的约束模型预测的欠驱动UUV深度控制方法具体是按照W下步骤进行 的： 步骤一、将UUV垂直面模型整理为状态空间模型，将状态空间模型离散化得到欠驱动 UUV增量型的垂直面预测模型； 步骤二、在k时刻，根据水平舱特性建立水平舱角的控制输入约束;所述的水平舱角的 控制输入约束包括幅值约束和每一拍动作的增量约束;并将水平舱角的控制输入约束条件 统一处理为： HAlKk) < 丫 其中，AU为水平舱控制输入增量序列;H=[tT-tT eT-eT]t，丫=[丫1 丫2]t; 丫、H、T、丫 1、E和丫 2为中间矩阵； 步骤S、根据步骤一得到的欠驱动UUV增量型的垂直面预测模型和步骤二得到的水平 舱角的控制输入约束条件通过模型预测控制将UUV深度控制问题转化为约束条件下的二次 规划问题如下： min J(A(/{k)) M'iL ) St h(AU(k)) <0 (8) 式中，J(AU(k)) = AU(k)THAU(k)-G化+l|k)TAU(k)，h(AU(k))=HAU(k)-丫；J(?) 为反映 A U ( k )的性能指标，h ( ?)为描述函数，G ( ?)为中间变量， (7(足+ ||旬二 2切-;'「'./';心 + ||/〇; 步骤四、利用基于罚函数的人工蜂群优化算法求解约束条件下的二次规划问题，求得 蜜源的全局最优位置，即Xbest= [ASs化），ASs化+1 )，…，ASs化+m-1) ]T为UUV水平舱角控制 输入增量序列AlKk);其中，ASs化+m-1)为第k+m-1步水平舱角的增量，m为控制时域； 步骤五、在求解出蜜源最终全局最优解Xbest后，令AlKk) = XbestT，然后取优化解序列A IKk)的第一个分量，并加上k-1时刻的控制输入作为k时刻的控制输入： A《'脚屯邸O… 步骤六、在k时刻的控制输入Ss化)作用下测得新的状态变量和UUV下潜深度，当UUV未达 到指定UUV下潜的深度R化+1)时，将测得新的状态变量和UUV下潜深度转步骤S，直至当UUV 达到指定UUV下潜的深度R化+1)完成下潜作业;其中，新的状态变量包括UUV状态变量垂向 速度、UUV状态变量纵倾角速度、UUV状态变量下潜深度和UUV状态变量纵倾角。2. 根据权利要求1所述一种基于人工蜂群优化的约束模型预测的欠驱动UUV深度控制 方法，其特征在于：步骤一中将UUV垂直面模型整理为状态空间模型，将状态空间模型离散 化得到欠驱动UUV增量型的垂直面预测模型具体过程为： 步骤--、建立了UUV的坐标系统，其中，UUV的坐标系统包括固定坐标系E-村巧日运动 坐标系O-XYZ; 步骤一二、取状态变量X货g 0才'€船、水平舱的舱角Ss(t)和t时刻UUV下潜深度 y(t)建立UUV垂直面的状态空间方程即连续的状态空间模型： -哦)=4 蛛)+公,。4(')+心心(/) W >?(/) = (.>(/) 息 h O Q--、 e 手' 9 0- ; 0' 0 ^ 〇 式中，4= 6 0 0 忌《0 0:，也=<? (; D 0 《，迟如二 ^ ^，Cc=[〇 0 0 U; 0 0： IO 0 1 化 0 0. U 1 0 0 0 0 _〇 0: 0: 1」L.1 '0 0.J Lq 0。1」L'o」 0 0 。二 ，h 二 \ P 文'叫，[二\p!寺 M'、'，A=J :,-\pr^r;,,，合二i狙玄,Ji， )' 二。川斗 \ PIZ'lyi!，梦二 \ -Ol: M'hJi，^^ = \ P! ;、M '"'1!!，k 二P !f 11王 M 5，' (i(t)二 W I W sV; P为流体密度，L为UUV长度； ^为在垂直加速度W状态下测得的UUV无因次水动力系数； 《为在纵倾角加速度状态下测得的UUV无因次水动力系数； 为在垂直加速度诚状态下测得的UUV无因次水动力系数； M,;为在纵倾角加速度^状态下测得的UUV无因次水动力系数； UW为在纵向速度U和垂向速度W状态下测得的UUV无因次水动力系数； Uq为在纵向速度U和纵倾角速度q状态下测得的UUV无因次水动力系数； UW为在纵向速度U和垂向速度W状态下测得的UUV无因次水动力系数； Uq为在纵向速度U和纵倾角速度q状态下测得的UUV无因次水动力系数； 为UUV水平舱的舱效系； W为UUV状态变量垂向速度； q为UUV状态变量纵倾角速度； Z为UUV状态变量下潜深度； 0为UUV状态变量纵倾角； 下角标中C代表连续； t为时间变量； 5为水平舱角； d为系统不确定因素及外界扰动； A。为连续状态空间模型的系统矩阵 BcS为连续状态空间模型的水平舱角S的参数矩阵 Bcd为连续状态空间模型的在系统不确定因素及外界扰动d下的参数矩阵 C。为连续状态空间模型的输出矩阵； d(t) = [ O 1 O 2]t为t时刻系统不确定因素及外界扰动；O 1为系统在垂向运动上不确定 因素及外界扰动，《2为系统在纵倾运动上不确定因素及外界扰动； 步骤一=、取采样时间为Ts,将连续状态空间模型转换为离散状态空间模型： x(/c +、、)二 Ax[k) + B满(呜+馬过(的 _)'(乂-)二（M 分） 口） 其中，^二 6心、，A' 二[ 公")'加，A' 二 ，C=Cc *f() VU A、Bs、Bd和C为离散