1.一种基于增强学习的水下机器人姿态控制方法，其特征在于，包括步骤：(1)构建基于马尔科夫序列的水下机器人动力学模型和回报函数；

(2)引入先验知识，利用支持向量机算法作为函数逼近器，寻找最优策略；

(3)将通过增强学习的控制器应用到水下机器人系统中。

2.根据权利要求1所述的基于增强学习的水下机器人姿态控制方法，其特征在于，所述步骤1中，水下机器人动力学模型为：其中，M是由刚体惯性和附加质量组成的惯性矩阵，C(ζ)是刚体项和附加质量项组成的哥式力和向心力矩阵，D(ζ)是由阻力引起的阻尼矩阵，g(n)是由重力和浮力引起的恢复力与力矩矢量，B是取决于推进器配置的控制矩阵，u是机器人推进器提供的力与力矩矢量；

是机器人在地球坐标系中的姿态，包括三维位置和三个欧拉角；ζ＝(u,v,w,p,q,r)T是机器人在载体坐标系中的速度矢量，包括三个方向的线速度和角速度。

3.根据权利要求1所述的基于增强学习的水下机器人姿态控制方法，其特征在于，所述步骤1中，回报函数为：其中，c1,c2是反映姿态误差e和误差变化率 对控制性能影响权重的系数；

策略优化目标函数为：

其中，γ为折扣因子，0＜γ＜1。

4.根据权利要求1所述的基于增强学习的水下机器人姿态控制方法，其特征在于，所述步骤2具体包括：(2.1)根据先验知识生成初始训练样本集St＝{(e1,u1)，(e2,u2)，…(en,un)}，t＝0；其中，e是增强学习控制器的状态，u是增强学习控制器的输出；

(2.2)根据样本集St利用支持向量机算法得到策略π；

(2.3)利用策略梯度算法调整策略π的参数，得到新的策略π’；

(2.4)利用新的策略π’生成新的训练样本集St+1＝{(e1,u1)，(e2,u2)，…(en,un)}；

(2.5)令t＝t+1，继续步骤2.2；

(2.6)判断第2.2步生成的策略π和在第2.3步生成的策略π，值相等，即得到最优策略π。

5.根据权利要求4所述的基于增强学习的水下机器人姿态控制方法，其特征在于，所述步骤2.2中，策略π为：其中，f为SVM逼近函数，σ2为样本方差。

6.根据权利要求4所述的基于增强学习的水下机器人姿态控制方法，其特征在于，所述步骤2.3具体为，将π(e,u)参数化为π(u|θ,e)，利用策略梯度算法调整参数θ，得到新的策略π’，策略梯度算法为：其中，Qπ(e,u)为马尔科夫决策行为值函数：

7.根据权利要求4所述的基于增强学习的水下机器人姿态控制方法，其特征在于，所述步骤2.6的判断条件为|V(π)-V(π’)|＜ε，ε为预先指定的某个很小的正数。

8.根据权利要求4所述的基于增强学习的水下机器人姿态控制方法，其特征在于，所述步骤2.6中最优策略π满足目标函数J得到最大值。