1.一种碳化硅晶片抛光加工状态在线监测方法，其特征在于，包括以下步骤：A：采集碳化硅晶片研磨抛光完整工况的周期振动信号数据，构建碳化硅晶片研磨抛光材料去除特征数据集；

B：建立加工试验工况库，并将振动信号测试值放入匹配的工况库中；

C：对振动信号进行变分模态分解，获取IMF主分量能量谱；

D：构建实际加工特征指数；

E：建立粒子滤波状态估计模型；

F：通过粒子点进行新特征指数构建，并以此迭代实现碳化硅晶片抛光加工状态在线监测；

步骤D通过基准学习、偏移公差计算、特征值构建三个步骤形成自适应特征指标，并进行归一化处理，获得加工状态的实际特征指数；步骤D中自适应特征指标的形成步骤为：D1在基准学习阶段，计算前n次采集处理的IMF主分量能量谱频谱，然后将n次信号频谱的均值作为基准值；

D2在偏移公差计算阶段，计算连续5次采集信号的频谱图，并分别分析五次信号均值频谱与基准频谱之间的偏移公差；

D3通过步骤D1、D2对不同工况库分别进行特征提取，得到该时间段的特征值，并分别构成特征指标。

2.根据权利要求1所述的一种碳化硅晶片抛光加工状态在线监测方法，其特征在于，步骤B还包括以下步骤：B1根据加工试验大纲，按照运行工况，对每一步加工试验建立工况库；

B2实时对比振动信号测试值，当匹配变化，把当前振动信号放入重新匹配的工况库中。

3.根据权利要求1所述的一种碳化硅晶片抛光加工状态在线监测方法，其特征在于，步骤C还包括以下步骤：C1变分模态分解后，利用维纳滤波去噪；

C2设定有限带宽参数和中心角频率初始化得到估算的每个中心角频率；

C3根据不同的中心角频率获得IMF主分量能量谱，并将这个信号作为下一步的输入。

4.根据权利要求1或3所述的一种碳化硅晶片抛光加工状态在线监测方法，其特征在于，IMF主分量能量谱为各个本征模态函数。

5.根据权利要求1所述的一种碳化硅晶片抛光加工状态在线监测方法，其特征在于，步骤E包括以下步骤：E1分析步骤D中的实验数据特征指标；

E2选用双指数模型作为其退化模型进行拟合训练，并通过数据拟合结果，确定观测方程的模型参数初始值；

E3选择步骤E2中拟合好的训练数据，并将数据代入模型进行参数初始化。

6.根据权利要求5所述的一种碳化硅晶片抛光加工状态在线监测方法，其特征在于，步骤F包括以下步骤：F1实时监测数据对模型参数和新特征指标进行实时更新；

F2对模型参数分布进行更新调整。

7.根据权利要求6所述的一种碳化硅晶片抛光加工状态在线监测方法，其特征在于，还包括步骤F3通过新特征指标数值进行迭代计算。