1.一种基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法，其特征在于：具体步骤依次如下：

(1)获得多组推进器各自不同已知故障程度对应的已知模式矢量Ri；

其中，Ri表示第i个已知模式矩阵，xij＝[xij1 xij2…xijm]表示第i个已知模式矩阵中推进器第j种已知故障程度λj对应的已知模式矢量，xijk表示已知模式矢量中第k个故障特征值；i＝1,2,…,N，N为已知模式矩阵的个数；j＝1,2,…,n，n为故障模式数量，k＝1,2,…,m，m为一个故障模式矢量中故障特征值的个数；

(2)对多组已知模式矢量Ri进行聚类分析得到标准模式矢量库R0；聚类分析的方法为：其中，x0j＝[x0j1 x0j2…x0jm]称为标准模式矢量，标准模式矢量x0j对应的已知故障程度称为标准故障程度λ0j；即是指在标准模式矢量库R0中，每一种标准故障程度λ0j均有一个标准模式矢量x0j与之对应；

(3)计算标准模式矢量之间的灰色关联度γ1j，计算相对灰色关联度γRab，建立相对灰色关联度与故障程度的映射函数；

所述步骤(3)的具体方法为：

(3.1)计算灰色关联度：

(3.1.1)计算第一个标准模式矢量x01与标准模式矢量库R0中所有标准模式矢量x0j之间的灰色关联度：

首先，计算灰色关联系数η1jk：

其中，Δx1jk＝|x01k‑x0jk|，x01k为第1个标准模式矢量x01的第k个故障特征值，x0jk为第j个标准模式矢量x0j的第k个特征值，β为分辨系数；

然后，计算灰色关联度γ1j：

其中，γ1j为第1个标准模式矢量x01与第j个标准模式矢量x0j之间的灰色关联度；

(3.1.2)重复步骤(3.1)，直至计算第j个标准模式矢量x0j与标准模式矢量库R0中所有标准模式矢量之间的灰色关联度；

(3.2)计算相对灰色关联度：

设在任意相邻两个标准模式矢量x0a和x0b之间存在推进器未知故障程度λU对应的未知模式矢量xU＝[xU1 xU2…xUm]，且xU与x0a、x0b的灰色关联度分别为γUa和γUb，将灰色关联度γUa与γUb的比值称为相对灰色关联度γRab，即γRab＝γUa/γUb；

(3.3)建立相对灰色关联度与故障程度的映射函数：当xU＝x0a时，xU对x0a的灰色关联度等于x0a对x0a的灰色关联度γaa，xU对x0b的灰色关联度等于x0a对x0b的灰色关联度γab，此时，相对灰色关联度γRab＝γaa/γab，未知故障程度λU等于标准故障程度λ0a；

当xU＝x0b时，xU对x0a的灰色关联度等于x0b对x0a的灰色关联度γba，xU对x0b的灰色关联度等于x0b对x0b的灰色关联度γbb，此时，相对灰色关联度γRab＝γba/γbb，未知故障程度λU等于标准故障程度λ0b；

当xU位于x0a和x0b之间时，建立相对灰色关联度γRab与故障程度λU的映射函数如下：其中，γRab＝γUa/γUb；

(4)计算已知模式矢量与标准模式矢量之间的灰色关联度，确定灰色关联度边界约束γ0jlim；

所述步骤(4)的具体方法为：

(4.1)计算每个已知模式矩阵中推进器第一种已知故障程度λ1对应的已知模式矢量xi1与标准模式矢量库中推进器第一种标准故障程度λ01对应的标准模式矢量x01之间的灰色关联度，选取计算结果中的灰色关联度最小值作为第一种标准模式矢量x01对应的灰色关联度边界约束γ01lim；

(4.2)重复该过程，直至计算得到每一种标准模式矢量x0j对应的灰色关联度边界约束γ0jlim；

(5)基于灰色关联度边界约束γ0jlim，修正相对灰色关联度与故障程度的映射函数；

所述步骤(5)的具体方法为：

设在相邻两个标准模式矢量x0a和x0b之间存在推进器未知故障程度λU对应的未知模式矢量xU＝[xU1 xU2…xUm]，且xU更接近x0a，由步骤(3)可知，当xU＝x0a时，γUa＝γaa，γUb＝γab，当xU＝x0b时，γUa＝γba，γUb＝γbb；

那么当xU位于x0a和x0b之间，且γUa＝γ0alim时，则γaa的边界约束γaalim为γ0alim，γab的边界约束γablim根据线性比例关系由如下公式求得：此时，相对灰色关联度边界约束为γRalim＝γaalim/γablim＝γ0alim/γablim，未知故障程度λU仍然等于标准故障程度λ0a；

考虑到未知模式矢量xU从x0a逐渐滑向x0b的过程中，γUa逐渐减小，γUb逐渐增大，从而γRab＝γUa/γUb逐渐减小，当γRab＝1时，γUa＝γUb，此时λU＝(λ0a+λ0b)/2；

当γRalim≥γRab≥1时，建立基于灰色关联度边界约束修正后的相对灰色关联度γRab与故障程度λU的映射函数如下：

(6)获得推进器未知故障程度对应的未知模式矢量xU，xU＝[xU1 xU2…xUm]；

(7)计算未知模式矢量与标准模式矢量之间的灰色关联度，确定灰色关联度最大值γUM和第二大值γUS，对应的标准模式矢量分别为x0a和x0b；

(8)判断，如果灰色关联度最大值γUM大于或等于灰色关联度边界约束γ0alim，那么灰色关联度最大值γUM对应的标准模式矢量x0a对应的标准故障程度λ0a，即为推进器故障程度；

(9)判断，如果灰色关联度最大值γUM小于灰色关联度边界约束γ0alim，那么根据灰色关联度最大值γUM和第二大值γUS确定故障程度区间[λ0a λ0b]，计算相对灰色关联度γRMS＝γUM/γUS，并将相对灰色关联度带入计及边界约束的相对灰色关联度与故障程度映射函数，计算得到推进器故障程度，计算公式如下：其中，λU为故障程度辨识结果。

2.根据权利要求1所述的基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法，其特征在于：所述步骤(1)的具体方法为：先获取一组推进器不同已知故障程度对应的已知模式矢量，将已知模式矢量以数据矩阵形式表示，构成已知模式矩阵R1；然后重复此过程，获得多组推进器不同已知故障程度对应的已知模式矢量，最终构成多个已知模式矩阵Ri；

其中，已知模式矩阵获取过程为：首先进行一组推进器故障水池实验，实验过程中，推进器分别为不同已知故障程度，提取不同已知故障程度下的不同种类的故障特征值，构成一个已知模式矩阵，然后与第一组实验相同实验参数条件下，重复此实验过程N次，获得N个已知模式矩阵；j＝1,2,…,n,n为故障模式数量。