1.一种轨道车辆部件的温度异常检测方法，其特征在于，包括以下步骤：第一步：将车轴、轴承、制动盘中的一个或多个作为待检测对象，对上述部件的温度异常进行检测；

第二步：将检测到的温度异常信号发送到列车运行监控系统；

第三步：列车运行监控系统根据温度异常信号发出警告信息；

其中第一步包括以下步骤；

步骤1：构建轻量级梯度提升机模型，对轨道车辆传感器采集数据进行数据分析，确立车辆各项行车参数对于单个待检测对象温度预测的重要性；

步骤2：对待检测部件按照同类测点进行区分，基于温升滞后速度的特性，确定预测温度所需要的特征的输入时间步长；

步骤3：结合待检测部件的空间位置分布与皮尔逊系数分析同车部件相互关系，基于同类待检测部件概念，对多个待检测对象的温度同时进行预测；

步骤4：构建预测模型，将卷积神经网络进行时序处理，通过卷积层的膨胀、因果卷积与残差连接，用卷积网络对时序信号进行预测；

步骤5：采用步骤4所构建的网络进行温度预测，得到真实温度与预测温度的残差值；

步骤6：将步骤5得到的残差值按照同类部件概念在二维空间进行描绘，使用孤立森林方法对残差进行异常检测，当出现不符合正常分布的异常数据之时，即认为该待检测对象出现异常。

2.根据权利要求1所述的一种轨道车辆部件的温度异常检测方法，其特征在于：步骤1具体包括以下步骤；步骤1.1：在车辆运营过程中，获取轨道车辆传感器采集的履历数据，通过降采样，去空值，填补缺失值处理对上述数据进行预处理；步骤1.2：构建轻量级梯度提升机模型，以各待检测部件的温度测点为预测目标，将预处理后的其他通道数据输入轻量级梯度提升机模型，在此基础上对与待检测部件相关的特征，进行特征重要度排序；步骤1.3：排序后的数据按照特征变量名重要性从高到底依次排布，重要性经过加权平均计算后总和等于1，选取重要性大于F的特征变量，保证重要度大于F的特征变量的重要性总和超过F*，F*为重要性经过降维重新挑选过后的占比，设定为重要性总和的0.85～0.9，则此时经过挑选的特征代表之前所有特征总量的F*。

3.根据权利要求2所述的一种轨道车辆部件的温度异常检测方法，其特征在于：步骤2中，对各个待检测部件按照同类测点进行区分，根据温升滞后速度的特性，确定预测温度所需要的特征的输入时间步长，寻找当速度v从0起始后，各待检测部件温度T发生变化的点，按照平均时长进行统计后得到需要输入模型的数据时长。

4.根据权利要求3所述的一种轨道车辆部件的温度异常检测方法，其特征在于：在轴承检测的步骤3中，按照轴承空间位置排布，预测一个轴承时，将另三个轴承输入模型作为特征，按照一节车辆共两转向架四轴的设计，一个轴上分布九个轴承，均不为同类轴承，按照其他输入不变的情况下，将输入从三个同类轴承扩充到二十七个分布在不同轴上的同类轴承，输出从单个轴承扩充到九个分布在一根轴的不同类轴承，单个轴承预测模型转变为单个模型来预测共九个轴承，则将需要三十六个预测模型转变为仅需要四个预测模型。

5.根据权利要求4所述的一种轨道车辆部件的温度异常检测方法，其特征在于：在车轴检测的步骤3中，同类车轴是承载类似工况和激励的重要特征，预测一个车轴时，将另三个车轴输入模型作为特征。

6.根据权利要求4所述的一种轨道车辆部件的温度异常检测方法，其特征在于：在制动盘检测的步骤3中，同类制动盘是承载类似工况和激励的重要特征，预测一个制动盘时，将另三个车轴上同位置的制动盘输入模型作为特征。