1.一种水下机器人三维路径规划和控制方法，其特征在于，包括如下步骤：S1：通过适应度函数评估路径质量，构造AUV路径；

S2：通过RB-FWH算法对构造的AUV路径进行规划，基于设计解的编码方式，获取到规划好的AUV路径；

S3：AUV开始根据GPS惯性导航和多普勒计程仪测量的AUV的实时地理位置开始按照规划好的AUV路径进行航行；

S4：当检测到障碍物时，将拍到的障碍物与水下环境高程模型中的障碍物特征进行比对，比对成功后，修正GPS惯性导航和多普勒计程仪的数据，确定AUV实际位置，如果偏离预设路径，则控制AUV回到预设路线，继续按照预设的路径航行；

步骤S2中RB-FWH算法是通过Rosenbrock算法对FWH算法的种群更新步骤进行优化获得，具体的优化过程为：A1：初始化种群；

A2：构建概率模型；

A3：采样概率模型，产生规模为M的参数候选解；

A4：基于参数候选解，确定新的优秀候选解；

A5：通过Rosenbrock算法更新当前最优解；

A6：更新概率向量，获得每个区间优秀解的概率；

A7：算法停止并给出结果；

步骤A1具体为：对参数候选解规模M，每个变量的区间等分数N，优秀候选解规模S，学习概率α，迭代次数H给定初始值；

步骤A2具体为：对变量的连续空间[a,b]进行N等分，每个区间长度为开始时每个区间的取值概率相同都为步骤A3具体为：对每个个体的每一维变量进行取值，采用轮盘赌随机抽样法产生规模为M的参数候选解；

步骤A4具体为：基于适应度函数，计算参数候选解的适应值，根据其适应值，对候选解排序，选择前S个适应度高的作为优秀候选解；

步骤A5具体为：从当前S个群体中随机选择T个个体作为初始点进行Rosenbrock搜索，将得到的新个体作为新一代群体的一部分；

步骤A6具体为：对于变量某一维取值的连续空间，在它的N个划分小区间里统计每个区间优秀解的概率，概率为Pi：步骤A7具体为：当算法到达迭代次数或给定精度后，算法停止并给出结果。

2.根据权利要求1所述的一种水下机器人三维路径规划和控制方法，其特征在于，所述步骤S1中适应度函数为：Ffitness＝Llength+Ssmooth+Osecurity其中，Llength为路径长度，Ssmooth表示路径平滑程度，Osecurity表示路径安全性，其值为零则代表路径安全。

3.根据权利要求2所述的一种水下机器人三维路径规划和控制方法，其特征在于，所述步骤S1的适应度函数中Llength、Ssmooth和Osecurity的表达式分别如下：其中，DisPsPt代表起点与终点的欧氏距离，Lpath代表整条路径的实际长度；

其中，Numeven表示一条路径中弯曲程度超过AUV最大转弯半径的路径段数量，如果一条路径弯曲程度超过AUV最大转弯半径，则该条路径视为不可行路径；Nseg表示一条路径中路径段的总数量；

其中，Nobt表示落入不可航行区的路径点数量，Nprofile表示三维刨面的数量。

4.根据权利要求1所述的一种水下机器人三维路径规划和控制方法，其特征在于，所述步骤S1中采用直线段的方法进行AUV路径的构造，具体为：每一条路径都包含一系列的航路点，这些航路点两两之间构成一个路径段，再由这些路径段构成最终路径。

5.根据权利要求1所述的一种水下机器人三维路径规划和控制方法，其特征在于，所述步骤S2中AUV路径的规划方法为：一个个体代表一个路径，个体中的每一维变量代表一个航路点；每个航路点由X/Y/Z三维坐标信息构成，其中Y轴坐标已知，X/Z轴坐标信息为算法待求解的值，基于解的编码方式，求解到X/Z轴坐标信息；

解的编码方式为：

6.根据权利要求3所述的一种水下机器人三维路径规划和控制方法，其特征在于，所述步骤S1中三维刨面图的建立方法为：环境信息包括可以航行位置和不可航行位置，用两种不同的颜色区分，X轴、Y轴、Z轴分别代表环境区域的长度，将构建好的三维环境模型沿Y轴切成平行切面，形成三维环境刨面图，每个刨面图都由均匀方格组成，将刨面图数字化，可航行区域用0代替，不可航行区域用1代替，然后用三维数组储存所有刨面图数据。

7.根据权利要求3所述的一种水下机器人三维路径规划和控制方法，其特征在于，所述步骤S4中如果偏离预设路径，则控制主推、侧推、垂推螺旋桨使AUV回到预设路线。