1. 油液质量智能检测方法，其特征在于，包括以下步骤：

步骤1、构建参数检测模块

参数检测模块包括粒子群优化自适应小波神经网络‑NARX神经网络模型、TDL按拍延迟线A、小波分解模型、降噪自编码神经网络‑NARX神经网络模型、LSTM神经网络‑NARX神经网络模型、TDL按拍延迟线B、TDL按拍延迟线C、TDL按拍延迟线D和区间犹豫模糊数的BAM神经网络‑AANN自联想神经网络模型；

步骤2、构建油液质量的智能等级分类器

油液质量的智能等级分类器包括4个参数检测模块、TDL按拍延迟线E和区间数的BAM神经网络‑DRNN神经网络模型油液质量分类器；

步骤3、影响油液质量的油液污染参数、黏度参数、温度参数和水分参数的传感器输出作为油液质量的智能等级分类器的输入，油液质量的智能等级分类器输出被检测油液的质量安全等级；

所述步骤1中，参数传感器输出作为粒子群优化自适应小波神经网络‑NARX神经网络模型的输入，粒子群优化自适应小波神经网络‑NARX神经网络模型输出作为TDL按拍延迟线A的输入，TDL按拍延迟线A的输出作为小波分解模型输入，小波分解模型输出的低频趋势部分和多个高频波动部分分别作为LSTM神经网络‑NARX神经网络模型和降噪自编码神经网络‑NARX神经网络模型的输入，LSTM神经网络‑NARX神经网络模型和降噪自编码神经网络‑NARX神经网络模型的输出分别作为TDL按拍延迟线B和TDL按拍延迟线C的输入，TDL按拍延迟线B、TDL按拍延迟线C和TDL按拍延迟线D的输出分别作为区间犹豫模糊数的BAM神经网络‑AANN自联想神经网络模型的对应输入，区间犹豫模糊数的BAM神经网络‑AANN自联想神经网络模型输出的4个参数分别为a、b、c、d作为TDL按拍延迟线D的输入，区间犹豫模糊数的BAM神经网络‑AANN自联想神经网络模型输出作为参数检测模块的输出；

a和b组成区间数（a，b）作为被检测参数的极小值，c和d组成区间数（c，d）作为被检测参数的极大值，区间数（a，b）和区间数（c，d）组成[（a，b），（c，d）]作为被检测参数的区间犹豫模糊数。

2.根据权利要求1所述的油液质量智能检测方法，其特征在于，所述步骤2中，油液污染传感器、黏度传感器、水分传感器和温度传感器的输出分别作为对应的参数检测模块的输入，参数检测模块的输出作为区间数的BAM神经网络‑DRNN神经网络模型油液质量分类器的对应输入，区间数的BAM神经网络‑DRNN神经网络模型油液质量分类器输出的2个参数分别为e、f，e、f作为TDL按拍延迟线E的输入，e和f组成区间数（e，f），区间数（e，f）作为被检测油液质量等级的区间数，区间数的BAM神经网络‑DRNN神经网络模型油液质量分类器输出的区间数分别对应5种油液质量类型。

3.油液质量智能监测系统，其特征在于，所述监测系统包括油液参数测量终端、现场监控端，油液参数测量终端负责采集被检测油液参数信息，在现场监控端中有油液质量的智能等级分类器，通过网关节点实现油液参数测量终端、现场监控端、云平台和油液监测手机APP的双向通信，实现被检测油液参数采集和油液质量安全等级的分类，其中现场监控端、油液参数测量终端加载有实现如权利要求1‑2任一项所述的油液质量智能检测方法的计算机程序步骤。