1.一种基于数字孪生的机电作动器状态反演方法，包括获取ema多健康工作状态下的多源数据信息，并将所述多源数据信息在时间维度根据健康指标划分为不同的试验数据集，其特征在于，还包括以下步骤：
2.如权利要求1所述的基于数字孪生的机电作动器状态反演方法，其特征在于，对实际运行状态和孪生映射状态进行虚实状态一致性判别。
3.如权利要求2所述的基于数字孪生的机电作动器状态反演方法，其特征在于，所述多源数据信息包括电机电流信号(i1,i2,i3)、电机电压信号(u1,u2,u3)、转速信号(v)、转矩信号(t)、振动信号(a)和位移传感器信号(x)，共10维原始数据信息。
4.如权利要求3所述的基于数字孪生的机电作动器状态反演方法，其特征在于，所述试验数据集包括磨损四状态数据集d1～4，表示为：d1＝{i1 1,i1 2,i1 3,u1 1,u1 2,u1 3,v1,t1,a1,x1}、d2＝{i2 1,i2 2,i2 3,u2 1,u2 2,u2 3,v2,t2,a2,x2}、d3＝{i3 1,i3 2,i3 3,u31,u3 2,u3 3,v3,t3,a3,x3}以及d4＝{i4 1,i4 2,i4 3,u4 1,u4 2,u4 3,v4,t4,a4,x4}，其中，d1为系统正常数据集，d2为轻度磨损数据集，d3为中度磨损数据集，d4为重度磨损数据集。
5.如权利要求4所述的基于数字孪生的机电作动器状态反演方法，其特征在于，所述步骤1包括以下子步骤：
6.如权利要求5所述的基于数字孪生的机电作动器状态反演方法，其特征在于，所述时域特征包括波形因子s、波峰因子c、脉冲因子i、峭度因子k和裕度因子l，
7.如权利要求6所述的基于数字孪生的机电作动器状态反演方法，其特征在于，所述频域特征包括重心频率fc、均方频率msf和频率方差vf，
8.如权利要求7所述的基于数字孪生的机电作动器状态反演方法，其特征在于，所述功率谱函数s(f)的计算公式为
9.如权利要求8所述的基于数字孪生的机电作动器状态反演方法，其特征在于，所述步骤13包括计算j层上第i个节点的能量值e(j,i)，公式为
10.如权利要求9所述的基于数字孪生的机电作动器状态反演方法，其特征在于，所述余弦距离dist(xi,xj)的计算公式为