1.一种摩擦系统磨损状态在线识别方法，其特征在于：包括以下步骤：

(1)采集不同系统参数下摩擦系统摩擦磨损试验中产生的摩擦系数信号；

(2)使用小波方法对摩擦系数信号进行降噪处理，并运用混沌理论计算稳定磨损状态下摩擦系数信号的关联维数值；

(3)从摩擦系统数据库中调取试验系统参数对应的关联维数预测值，并实时与连续计算得到的关联维数值进行比较；

(4)根据比较结果判别当前磨损状态，当摩擦系统进入到稳定磨损状态后，继续步骤(2)与步骤(3)。

2.如权利要求1所述的一种摩擦系统磨损状态在线识别方法，其特征在于：在步骤(1)中分别改变摩擦系统的载荷、速度以及上下试样的初始表面粗糙度，进行多组摩擦磨损试验并实时采集摩擦系数信号。

3.如权利要求2所述的一种摩擦系统磨损状态在线识别方法，其特征在于：在步骤(2)中还包括如下步骤：①计算摩擦系数信号时间序列的时间延迟τ和最佳嵌入维数m；

②根据如下的公式，对摩擦系数信号进行相空间重构；

③运用混沌理论计算重构后摩擦系数信号的关联维数值，其计算方法如下所示：式中，n为数据点xi的数量；N为向量Xi的数量；Cm(r)为关联积分；H(·)为阶跃函数；r为小标量；D为关联维数。

4.如权利要求3所述的一种摩擦系统磨损状态在线识别方法，其特征在于：所述步骤(3)中摩擦系统数据库的建立包括如下步骤：①选取载荷、速度、上/下试样的初始表面粗糙度作为摩擦系统的主要系统参数，通过改变该四个参数的不同水平进行大量的摩擦磨损试验；

②对摩擦系数信号进行小波降噪处理，并计算其关联维数值；

③建立神经网络模型，选取训练样本和测试样本，训练和测试神经网络；当神经网络达到预测精度要求时，确定预测神经网络模型；

④基于预测神经网络模型对四种系统参数在不同水平组合下对应的稳定磨损状态下磨合时间、摩擦系数值和关联维数值进行预测；

⑤最终通过MATLAB程序，将大量的不同系统参数组合下对应的磨合时间、摩擦系数值和关联维数预测值建立成一个摩擦系统数据库。

5.如权利要求3或4所述的一种摩擦系统磨损状态在线识别方法，其特征在于：在步骤(4)中，当连续三个关联维数值均满足D≥D1条件时，D1为关联维数预测值，表明此时摩擦系统处于稳定磨损状态；否则，摩擦系统处于磨合磨损状态，继续摩擦磨损试验；

当连续三个关联维数值均满足D

6.一种基于权利要求1所述的摩擦系统磨损状态在线识别方法的系统，其特征在于：包括信号采集模块和信号处理模块；

所述信号采集模块包括力矩传感器和数据采集卡，通过力矩传感器采集摩擦系统磨损过程中的摩擦系数信号电压值，然后通过数据采集卡将数据传输PC客户端，从而获取不同系统参数下不同磨损状态下的摩擦系数信号；所述系统参数包括载荷、速度、上试样初始表面粗糙度和下试样初始表面粗糙度；所述磨损状态包括磨合磨损、稳定磨损和剧烈磨损三个状态；

所述信号处理模块包括摩擦系统数据库、A\D转换器和信号放大器，所述摩擦系统数据库，用于将不同系统参数下对应的关联维数预测值与相应的磨合磨损、稳定磨损以及剧烈磨损状态对应；通过A\D转换器将电压信号转化为摩擦系数信号时间序列，并通过信号放大器将实时采集到的摩擦系数信号，通过LabVIEW程序调用MATLAB关联维数计算程序计算关联维数值；并通过LabVIEW程序框图调用MATLAB程序将实时得到的关联维数值与摩擦系统数据库中关联维数预测值进行比较分析，判断当前摩擦系统的磨损状态；并将摩擦系统实时产生的摩擦系数信号随时间的变化以及相应的关联维数值通过LabVIEW用户界面显示。