1.一种巡检机器人的自适应路径巡检方法，其特征在于，包括以下步骤：步骤S1、在多个巡检路径的交叉点依次获取每个巡检路径的环境数据序列，并将环境数据序列代入至预先建立的不稳定性预测模型得到每个巡检路径的不稳定程度；

步骤S2、基于所述不稳定程度排列出巡检机器人在所述交叉点的自适应巡检顺序，并依据自适应巡检顺序依次对交叉点处的巡检路径进行与环境不稳定性相匹配的自适应巡检得到每个巡检路径的巡检数据序列；

步骤S3、将所述巡检数据序列代入至预先建立的路径状态预测模型得到巡检路径的路径状态，并根据巡检路径的路径状态对巡检路径的不稳定程度进行反馈调整，以实现对巡检机器人在所述交叉点的自适应巡检顺序进行反馈调整来保障巡检顺序符合巡检排除不稳定性的时效性；

所述在多个巡检路径的交叉点依次获取每个巡检路径的环境数据序列，包括：巡检机器人由交叉点出发依次向每个巡检路径行进预设长度得到环境监测点，并在各个巡检路径上的环境监测点处朝向巡检路径终点监测每个巡检路径的环境数据序列，所述环境数据序列由环境监测点朝向巡检路径终点监测到巡检机器人的环境数据序列监测长度得到；

其中，巡检机器人在获取到一个巡检路径的环境数据序列后由环境监测点返回至交叉点，再由交叉点重新出发到另一巡检路径的环境监测点处；

所述预设长度设置包括：

设置预设长度为L，巡检路径的路径总长度为D，巡检机器人的环境数据序列监测长度为d；

以获取的环境数据序列分布于巡检路径在上半程路径和下半程路径的为原则构建预设长度的求解函数，所述求解函数的函数表达式为： ；

式中，若 ，则 ；若 ，则 ；

所述将环境数据序列代入至预先建立的不稳定性预测模型得到每个巡检路径的不稳定程度，包括：将各个巡检路径的环境数据序列代入至各个巡检路径的不稳定性预测模型，由所述不稳定性预测模型输出每个巡检路径的不稳定程度；

所述不稳定性预测模型的构建包括：

选取每个巡检路径的标准环境数据序列，以及选取多个表征每个巡检路径不稳定程度的环境数据序列作为样本环境数据序列；

计算各个样本环境数据序列与标准环境数据序列的数据相似度，并将数据相似度作为样本环境数据序列对应的巡检路径的不稳定程度，所述数据相似度的衡量采用欧式距离、余弦相似度或相关系数中的任意一种；

将每个巡检路径的样本环境数据序列作为BP神经网络的输入项，样本环境数据序列作为BP神经网络的输出项，利用BP神经网络基于所述BP神经网络的输入项和BP神经网络的输出项进行模型训练得到每个巡检路径的不稳定性预测模型，所述不稳定性预测模型的模型表达式为：Pi=BPi ([date]i)；式中，Pi为第i个巡检路径的不稳定程度，[date]i为第i个巡检路径的环境数据序列，BPi为第i个巡检路径的BP神经网络，i为计量常数。

2.根据权利要求1所述的一种巡检机器人的自适应路径巡检方法，其特征在于：所述基于所述不稳定程度排列出巡检机器人在所述交叉点的自适应巡检顺序，包括：将交叉点的各个巡检路径依据不稳定程度进行由高到低排列得到巡检机器人在所述交叉点的自适应巡检顺序；

其中，若存在至少两个巡检路径的不稳定程度相同且路径总长度不相同，则将路径总长度短的巡检路径排列在前；

若存在至少两个巡检路径的不稳定程度相同且路径总长度相同，则随机将任一巡检路径排列在前。

3.根据权利要求2所述的一种巡检机器人的自适应路径巡检方法，其特征在于：所述依据自适应巡检顺序依次对交叉点处的巡检路径进行与环境不稳定性相匹配的自适应巡检得到每个巡检路径的巡检数据序列，包括：巡检机器人由交叉点出发依次向每个巡检路径行进至巡检路径终点监测每个巡检路径的巡检数据序列；

其中，巡检机器人在获取到一个巡检路径的巡检数据序列后由巡检路径终点返回至交叉点，再由交叉点重新出发到另一巡检路径的巡检路径终点处获取另一巡检路径的巡检数据序列。

4.根据权利要求3所述的一种巡检机器人的自适应路径巡检方法，其特征在于：所述将所述巡检数据序列代入至预先建立的路径状态预测模型得到巡检路径的路径状态，包括：将各个巡检路径的巡检数据序列代入至所述路径状态预测模型，由路径状态预测模型输出每个巡检路径的路径状态；

所述路径状态预测模型的构建包括：

将各个巡检路径的历史巡检数据序列和历史路径状态进行提取，并将历史巡检数据作为SVM分类器的输入项，历史路径状态作为SVM分类器的输出项，利用SVM分类器基于SVM分类器的输入项和SVM分类器的输出项进行分类器训练得到路径状态预测模型，所述路径状态预测模型的模型表达式为： ；

式中，Label为路径状态，[Date]为巡检路径的巡检数据序列，SVM为SVM分类器，所述路径状态包括正常状态或异常状态。

5.根据权利要求4所述的一种巡检机器人的自适应路径巡检方法，其特征在于，所述根据巡检路径的路径状态对巡检路径的不稳定程度进行反馈调整，包括：当巡检路径的路径状态为正常状态，则将巡检路径的不稳定程度调整为： ；

当巡检路径的路径状态为异常状态，则将巡检路径的不稳定程度调整为：；

式中，Pi,new为调整后的第i个巡检路径的不稳定程度，Pi,old为调整前的第i个巡检路径的不稳定程度，t为调整后与调整前的时间差。

6.根据权利要求5所述的一种巡检机器人的自适应路径巡检方法，其特征在于，所述对巡检机器人在所述交叉点的自适应巡检顺序进行反馈调整，包括：将交叉点的各个巡检路径依据反馈调整后的不稳定程度进行由高到低排列得到反馈调整后的巡检机器人在所述交叉点的自适应巡检顺序；

其中，若存在至少两个巡检路径的不稳定程度相同且路径总长度不相同，则将路径总长度短的巡检路径排列在前；

若存在至少两个巡检路径的不稳定程度相同且路径总长度相同，则随机将任一巡检路径排列在前。

7.根据权利要求6所述的一种巡检机器人的自适应路径巡检方法，其特征在于，在计算前，将各个巡检路径的巡检数据序列和环境数据序列均进行归一化处理。

8.根据权利要求7所述的一种巡检机器人的自适应路径巡检方法，其特征在于，所述交叉点的巡检路径不包含以交叉点作为巡检路径终点的已完成巡检的巡检路径。