1.一种基于最优刚性图的潜器组网编队方法，其特征在于包括以下步骤：

步骤S1：在监测区域，随机部署n个带有通信装置和摄像头的潜器(1)；

步骤S2：潜器(1)通过水声通信广播自身位置以获得自身邻域内潜器的位置，并利用从发送信号到接收返回信号的时间差计算与邻居潜器的距离；

步骤S3：当潜器(1)间平均距离大于距离阈值dthreshold，潜器通过水声通信寻找自身邻居节点，建立各自的邻居列表，生成距离刚度矩阵Ri，然后采用距离刚性图生成方法对传感器网络生成局部拓扑Gi，i∈{1,...,n}，其中n是潜器的个数，最后将局部刚性图上传控制中心；

步骤S4：当潜器间平均距离小于距离阈值dthreshold，潜器通过水声通信寻找自身邻居节点，建立各自的邻居列表，生成方位刚度矩阵Ri，然后采用方位刚性图生成方法对传感器网络生成局部拓扑Gi，i∈{1,...,n}，其中n是潜器的个数，最后将局部刚性图上传控制中心；

步骤S5：控制中心收集局部刚性图G1,...,Gn，利用这些图中被重复使用的边，组成新的全局刚性图，即最优刚性图；

步骤S6：收集组网邻居潜器的状态信息与自身状态信息，根据通信拓扑，设计宽度学习网络输入Ei和宽度学习编队控制算法，驱动潜器运动；

步骤S7：判断潜器是否同时满足最优刚性图和跟踪监测移动目标的条件；如果满足，潜器保持当前跟踪速度，控制结束，反之，返回步骤S2。

2.根据权利要求1所述的一种基于最优刚性图的潜器组网编队方法，其特征在于：步骤S1中潜器(1)具有与邻域内其他潜器相互通信的功能，同时可以测量自身位置与视距范围内任意一点位置的方位。

3.根据权利要求1所述的一种基于最优刚性图的潜器组网编队方法，其特征在于：步骤S2中潜器间距离测量包括：在时间戳tA,i时刻，潜器i发送声波信号，然后等到来自邻居潜器j∈Ni返回位置及节点连通信息，记录时间戳为 其中Ni表示为潜器i的邻居潜器集合，潜器i与潜器j之间的距离差可表示为 其中c＝1500m/s是在水下声波信号的传播速度。

4.根据权利要求1所述的一种基于最优刚性图的潜器组网编队方法，其特征在于：定义Tεi是潜器i与邻居潜器组成的边集，其位置为pi＝[x(t),y(t),z(t)] ；其中x、y、z分别表示潜器在X轴、Y轴和Z轴的位置坐标，步骤2的作用是收集潜器间距离信息，并判断潜器间平均距离与距离阈值的大小关系。

5.根据权利要求4所述的一种基于最优刚性图的潜器组网编队方法，其特征在于：当潜T器间平均距离大于距离阈值，步骤S3具体步骤为将潜器的位置定义为pi＝[xi,yi,zi] ，潜器i构建距离刚性矩阵可表示为：其中，i∈{1,…,ni}；ni是潜器i的邻居节点个数；pi是潜器i的位置；初始化刚度矩阵为Ri的第一行，然后按照潜器间距离升序，依次将对应的通信链路加入 如果 的秩大于之前的秩值就保留该行，并记录对应的通信链路，否则去掉新增加的链路，并进行下一次迭代；

重复上述过程，直到 就构造了一个关于潜器i的局部距离刚性图；依

次类推，就可以得到n个局部方位刚性图，分别记作G1,...,Gn。

6.根据权利要求4所述的一种基于最优刚性图的潜器组网编队方法，其特征在于：当潜器间平均距离小于距离阈值dthreshold，步骤S4的具体步骤为其中潜器i构建方位刚性矩阵可表示为：其中，i∈{1,…,ni}；ni是潜器i的邻居节点个数；pi是潜器i的位置；uij是潜器i与j之间用摄像头测量获得的方位；

将对应的通信链路加入 使得 一个由ni个潜器构成的局部图，其

最少边个数是：

其中 mod(·)和sgn(·)分别表示向下取整函数，取余函数和符号函数；当满足构造了关于潜器i的局部方位刚性图；依次类推，就可以得到n个局部方位刚性图，分别记作G1,...,Gn。

7.根据权利要求1所述的一种基于最优刚性图的潜器组网编队方法，其特征在于：步骤S5中只保留G1,...,Gn中被重复使用的边，最终得到最优刚性图；每一个潜器将自身保存的通信链路集合发送给控制中心(6)，进行求解最优刚性拓扑，在步骤S3与步骤S4得到的局部距离/方位刚性图中不可避免出现被重复使用的通信链路(4)，相对应的有的通信链路(4)只被使用了一次，由于非重复链路所在子图中的其他链路都已经被其他重复链路保证了其刚性，因此非重复链路被去除，并且不会影响整个图的刚性结构，进而基于距离/方位的最优刚性图被生成。

8.根据权利要求1所述的一种基于最优刚性图的潜器组网编队方法，其特征在于：步骤S6具体为潜器i基于步骤S1得到的其邻居潜器j∈Ni位置及节点连通信息，再根据目标位置，构建宽度学习网络输入；

在k时刻，潜器i位置误差为ei(k)＝pd‑pi(k)；确定潜器的目标位置，然后控制中心(6)将控制命令发送到潜器；通过浮标(3)与卫星实时确定其状态位置，并发送到控制中心(6)；

要实现位置跟踪任务，潜器与目标点之间的相对位置和速度最终需要为零，定义宽度学习输入为：其中， 是刚性图保持项；ei(k)表示潜器i目标跟踪项的系数；ai

≠0和bi≠0分别表示刚性图保持项与目标跟踪项前的系数；

特征神经元与增强神经元可构建为：

f

Ht＝φ(ZWt+ρt),t＝1,...,ne，

其中Wh和Wt分别是特征神经元与增强神经元的随机权重矩阵；ρh和ρt分别是随机偏置矩阵；nf是特征神经元的个数；ne是增强神经元的个数；φ(·)＝tanh(·)是一个非线性函数f e转化； 是特征神经元向量，最终激活函数为S＝[Z |H ]；其中

9.根据权利要求8所述的一种基于最优刚性图的潜器组网编队方法，其特征在于：基于宽度学习的潜器k+1更新策略待学习的权重向量可由Vi(pi(k),τi(k))＝Ji(p(k))+γVi(pi(k+1),τi(k+1))求解，在求解出最优权重向量以后，潜器根据更新后的权重值生成推进器策略，所生成的路径即为最佳路径。

10.根据权利要求1所述的一种基于最优刚性图的潜器组网编队方法，其特征在于：步骤S7中判断潜器当前所在位置是否同时满足最优刚性图和跟踪监测移动目标的条件可表示为： 和 其中l是最优刚性图效果合格的阈值；

是目标跟踪效果合格的阈值。