1.一种铁道车辆故障检测方法，其特征在于，包括以下步骤：

第一步：确定待检测对象以及待检测指标；

第二步：对待检测指标进行检测，获取故障信号；

第三步：将检测到的故障信号发送到列车运行监控系统；

第四步：列车运行监控系统根据故障信号发出警告信息；

将车轴、轴承、车轮、制动盘作为待检测对象；将车轴温度、轴承温度、制动盘温度、车轮踏面圆周磨耗率、车轴裂纹深度中的一个或多个作为待检测指标；其中第二步包括以下步骤；步骤1：构建轻量级梯度提升机模型，对行车过程中采集到的数据进行数据分析，确立车辆各项行车参数对于单个待检测对象数值变化的重要性；

步骤2：对待检测对象按照同类测点进行区分，确定预测数值所需要的特征的输入时间步长；

步骤3：结合待检测对象的空间位置分布与皮尔逊系数分析同车部件相互关系，按照同类部件概念，对多个待检测对象的数值同时进行预测；

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，用卷积神经网络对时序信号进行预测；

步骤5：采用步骤4所构建的网络进行预测，得到真实数值与预测数值的残差值；

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，即认为待检测对象出现异常。

2.根据权利要求1所述的一种铁道车辆故障检测方法，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，以各待检测对象的测点为预测目标，将预处理后的其他通道数据输入轻量级梯度提升机模型，所述的其他通道数据包括静载荷、动载荷、牵引制动载荷、车速、轴速、电机速度多个特征，在此基础上对与待检测对象相关的特征，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低依次排布，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为根据经验设置的阈值，视各项指标在重要性排布中的分布情况而定，F*为重要性经过降维重新挑选过后的占比，一般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所述的一种铁道车辆故障检测方法，其特征在于：在车轴检测的步骤

3中，同类车轴承载类似工况和激励，按照一节车辆共两转向架四轴的设计，预测一个车轴时，将另三个车轴输入模型作为特征。

4.根据权利要求2所述的一种铁道车辆故障检测方法，其特征在于：在制动盘检测的步骤3中，同类制动盘承载类似工况和激励，按照一节车辆共两转向架四轴的设计，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。

5.根据权利要求2所述的一种铁道车辆故障检测方法，其特征在于：步骤3中，对于车轮而言，同类车轮承载类似工况和激励，按照一节车辆共两转向架四轴的设计，预测一个车轮时，将另三个车轴上同位置的车轮输入模型作为特征。