1.基于模糊神经网络的湿式离合器信息采集方法，其特征在于，包括以下内容：
2.根据权利要求1所述的基于模糊神经网络的湿式离合器信息采集方法，其特征在于：分析预设的半结合点状态参数全集筛选生成最优特征子集一，具体包括以下内容：
3.根据权利要求1所述的基于模糊神经网络的湿式离合器信息采集方法，其特征在于：根据预设的滑摩特征参数生成滑摩状态参数全集，具体包括以下内容：
4.根据权利要求3所述的基于模糊神经网络的湿式离合器信息采集方法，其特征在于：对滑摩特征参数之间的边界进行搜索寻优生成滑摩状态参数全集，具体包括以下内容：
5.根据权利要求3所述的基于模糊神经网络的湿式离合器信息采集方法，其特征在于：分析滑摩状态参数全集筛选生成最优特征子集二，具体包括以下内容：
6.根据权利要求1所述的基于模糊神经网络的湿式离合器信息采集方法，其特征在于：根据最优特征子集一、最优特征子集二和预设的模糊神经网络模型生成离合器状态，具体包括以下内容：
7.根据权利要求1或6所述的基于模糊神经网络的湿式离合器信息采集方法，其特征在于：模糊神经网络模型包括模糊层，通过模糊层对模糊神经网络模型的输入进行模糊处理。
8.根据权利要求7所述的基于模糊神经网络的湿式离合器信息采集方法，其特征在于，还包括以下内容：
9.根据权利要求8所述的基于模糊神经网络的湿式离合器信息采集方法，其特征在于：离合器状态包括不足和过度，控制信息包括减小压力和增大压力；
10.根据权利要求8所述的基于模糊神经网络的湿式离合器信息采集方法，其特征在于：学习条件包括半结合点学习条件和扭矩学习条件，