1.基于油液监测技术的机器状态识别方法，其特征在于：包括以下步骤：

步骤一：分段油液监测磨损系数提取：

(1)利用OLVF实时监测数据IPCAsum提取用于油液监测的磨损系数KOC值；

(2)根据KOC值提取整组IPCA试验数据集X的符号函数Sgnk(X)反映其变化趋势；

步骤二：监测样本相似度特征提取：

利用OLVF监测曲线的聚类方法，提取特征，构建相似度模型：(1)计算综合相对幅值系数Kyd；

(2)计算斜率差曲线的信息熵SRent，判断曲线几何形状相似性；

(3)利用综合相对幅值系数差Dyd和斜率差信息熵SRent构造油液监测相似度评价模型CWSIM。

2.根据权利要求1所述的基于油液监测技术的机器状态识别方法，其特征在于：步骤一(1)中，利用OLVF实时监测数据IPCAsum提取用于油液监测的磨损系数KOC值的具体步骤为：对于单段试验时间tn内的Z个采样周期，其油液监测值总和IPCAsum与磨损量总和Wvsum正相关，利用OLVF实时监测数据IPCAsum提取用于油液监测的磨损系数KOC值，即为油液监测磨损系数，它能够 反映OLVF值与磨粒产生量之间的关系；

式中：

SL——累积滑动距离；

FN——载荷；

——相对滑动速度；

Tc——采样周期。

3.根据权利要求1所述的基于油液监测技术的机器状态识别方法，其特征在于：步骤一(2)中，根据KOC值提取整组IPCA试验数据集X的符号函数Sgnk(X)反映其变化趋势的具体步骤为：对于不同工况的试验数据集X，其油液监测磨损系数KOC的变化趋势不同，根据KOC值提取整组IPCA试验数据集X的符号函数Sgnk(X)反映其变化趋势：式中：

L——数据分段数；

Sgnk(X)的取值与IPCA试验数据集X的变化趋势有关，不同阶段的试验数据集X变化规律不同，这会影响上式右端的油液监测磨损系数KOC的变化趋势。

4.根据权利要求1所述的基于油液监测技术的机器状态识别方法，其特征在于：步骤二(1)中，计算综合相对幅值系数Kyd的具体步骤为：第一步：全组IPCA试验数据分段：

设全组试验数据集表示为X1＝(X1,X2,…,Xn)，分成L段，分段方法与分段油液监测磨损系数提取分段处理方法相同，分段后的数据集表示为：式中：

r——段内数据个数；

对每段OLVF监测读数剔除其段内均值后，可以得到新的OLVF监测数据集X(no)；

(no) (av)

X (f,j)＝X(f,j)-X (f)式中：

X(av)(f)——第f段内OLVF监测数据的均值；

第f段的相对幅值系数(Kydf)计算如下：第二步：计算全部试验的综合相对幅值系数Kyd:为便于对比，恒定工况的综合相对幅值系数被定义为0；

第三步：计算不同组试验曲线X1和X2间的综合相对幅值系数差(Dyd(X1,X2))：Dyd(X1,X2)＝|Kyd1-Kyd2|对于时变工况下的磨损试验，Dyd(X1,X2)用来比较IPCA在工况变化转折点的幅值的相似性。

5.根据权利要求1所述的基于油液监测技术的机器状态识别方法，其特征在于：步骤二(2)中，计算斜率差曲线的信息熵SRent的具体步骤为：第一步：计算曲线上任一点的相对斜率SRi：设第i组磨损试验的IPCA数据集为Xi＝(Xi(1),Xi(2),…,X i(n))，曲线各点的相对斜率值SRi(j)为：根据各点斜率值SRi(j)构造新的斜率曲线SRCi＝(SRi1,SRi2,…,SRin-1)；

第二步：计算两条斜率曲线的差曲线DSRC：将两条斜率曲线SRC1和SRC2逐点求差值，得到一条新的斜率差值曲线DSRC；当两条曲线形状相似时，斜率差曲线近似于一条斜率为0的直线；否则是一条存在明显起伏的曲线；

第三步：等分求概率P：

将斜率差曲线DSRC的值域离散化为m个区间，从第一个区间到第m个区间，依次统计每一区间的点数后计算相应的概率(Pi)；

第四步：计算斜率差曲线信息熵：

Shannon熵表示不确定测度，被用来表示两条曲线之间的差异。斜率差曲线信息熵SRent按下式计算，SRent是一个大于零的值；熵值越大，说明相应曲线波形之间的差异越明显；如果两条曲线的形状完全一致，信息熵SRent等于零。

6.根据权利要求1所述的基于油液监测技术的机器状态识别方法，其特征在于：步骤二(3)中，利用综合相对幅值系数差Dyd和斜率差信息熵SRent构造油液监测相似度评价模型CWSIM的具体步骤为：假设两条OLVF监测曲线分别表示为：X1＝(X11,X12,…,X1n)和X2＝(X21,X22,…,X2n)，用Sim(X1,X2)表示OLVF监测曲线X1和X2的综合相似度：Sim(X1,X2)＝δ1Dyd(X1,X2)+δ2SRent式中：

δ1、δ2——权值系数，δ1+δ2＝1；

该相似度模型前一部分由工况变化时的IPCA数据的跃变幅值决定，后一部分由IPCA曲线斜率的几何相似度决定，Sim(X1,X2)的值越接近于0，表示工况的变化类型越接近；

因为Sim(X1,X2)能够对IPCA监测曲线的关系进行定量分析，根据Sim(X1,X2)的取值，进一步对时变工况条件下的逐级加载和逐级加速的工况进行细分。