1.一种轨道系统安全状态综合监测及智能分析方法，其特征在于，该方法包括：S1、利用光纤光栅传感器采集轨道系统在低频下的应力、位移和温度数据；S2、利用视频传感器监测轨道系统中道岔尖轨的位移数据；S3、利用应力花贴采集轨道系统中钢轨在高频下的垂向应力和横向应力数据；S4、对步骤S1至S3采集得到的轨道系统数据进行分析处理，根据轨道系统受力和变形的监测数据，利用多元回归模型及BP神经网络对轨道受力与变形进行预测；S5、设定阈值，结合监测数据进行聚类分析，对可能发生的破坏进行预警；所述步骤S5包括：S5.1、以高速铁路无砟轨道线路维修规则中对尖轨位移和基本轨位移的限值作为一级报警阈值，将实时监测数据与预先设定的一级报警阈值进行比对，若超限则发出一级报警提示；S5.2、将除当前监测值以外的其余各监测项历史数据的算术平均值加、减三倍均方根作为二级报警阈值，将监测数据与预先设定的二级报警阈值进行比对，若超限则发出二级报警提示；S5.3、将样本数据每个时间点采集到的不同属性的数据构成具有多个参数的空间向量，在簇量与向量纬度相同的情况下进行聚类分析，设定为三级报警阈值，超限数据进行三级报警提示；所述步骤S5.3包括：S5.3.1、设定参数向量 其时间序列为[Mo 1 ,Mo 2 ,Mo 3 ,…，Mo k ，…，Mo n ] T (k＝1,2,3，…)，式中，T 气温 为测得气温，T 轨温1 为左侧轨温，T 轨温2 为右侧轨温，S 梁端 为梁端处钢轨应力，S 辙叉 为辙叉处钢轨应力，S 心轨 为心轨处钢轨应力，S 固定支座 为固定支座处钢轨应力，S 尖轨尖端 为尖轨尖端处钢轨应力，D 尖轨尖端 为尖轨尖端处位移；S5.3.2、鉴于左右股钢轨轨温不完全相同，令T' 轨温2 ＝T 轨温2 -T 轨温1 ，T' 轨温2 左右轨温度差异值，T 轨温1 为左轨轨温，T 轨温2 为右轨轨温；S5.3.3、鉴于各点的钢轨应力与轨温密切相关，令S' i ＝ε i ＝S i -a i -b i T 轨温1 ；式中，S i 为不同位置的钢轨应力，ε i 为一元回归模型中除轨温外的因素对应力的影响；a i ,b i 分别为应力对轨温线性回归相关性分析中的回归常数和回归系数，S' i 为钢轨应力预测值与实测值之间的差距；S5.3.4、鉴于各点的钢轨位移与轨温也具有一定的相关性，令D' i ＝ε i ＝D i -a i -b i T 轨温 ，式中，D i 为不同位置的钢轨位移，ε i 为一元回归模型中除轨温外的因素对位移的影响，a i ,b i 分别为位移对轨温线性相关分析中的斜率回归常数和回归系数，D' i 为钢轨位移预测值与实测值之间的差距。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：S1.1、将光纤光栅应力传感器粘贴在轨道系统的钢轨、轨道板、底座板的表面，采集钢轨、轨道板及底座板的应力数据；S1.2、将光纤光栅位移传感器安装在轨道系统上，监测钢轨与轨道板、轨道板与底座板及桥梁梁端的相对位移数据；S1.3、将光纤光栅温度传感器布置在轨道系统上，监测轨道板、底座板、桥梁温度。
3.根据权利要求2所述的方法，其特征在于，所述步骤S1.2包括：S1.2.1、在轨道板、底座板、桥梁梁面及梁端安装光纤光栅位移传感器的固定端，在钢轨上安装光纤光栅位移传感器的移动端；S1.2.2、根据每个光纤光栅位移传感器固定端和移动端距离选取相应长度的牵引钢丝，连接对应的光纤光栅位移传感器的固定端和移动端。
4.根据权利要求2所述的方法，其特征在于，所述步骤S1.3包括：S1.3.1、对轨道板、底座板、桥梁表面进行打孔，将温度传感器布置在孔内并做密封处理；S1.3.2、利用光栅光纤温度传感器测量板中、板边和板角的温度；S1.3.3、在轨道板两轨枕间打孔放置温度传感器来测量板边温度；S1.3.4、在距轨道板的板边150mm和70mm处打孔放置温度传感器来测量板角温度；S1.3.5、将温度传感器布置在大气中，测得环境温度。
5.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：S2.1、在所述道岔尖轨的轨腰位置粘贴标尺，其中标尺长度大于道岔尖轨伸缩的极限长度；S2.2、利用固定在护栏上的夹块将中空的摄像头安装杆固定在护栏上，视频传感器的摄像头视线垂直于标尺，垂足为标尺零刻线，将视频传感器的连接线路从摄像头安装杆的中空部分穿出与设备连接；S2.3、采用以下公式对伸缩量进行修正：其中，S为摄像头至标尺距离；d 0 为道岔尖轨动程；x 2 非密贴状态尖轨位移量。
6.根据权利要求1所述的方法，其特征在于，所述步骤S4包括：S4.1、采用BP神经网络，将24小时内连续的气温监测值作为一组输入数据，用轨温、应力、位移作为输出数据，采用多组数据作为训练样本进行BP神经网络训练；S4.2、采用傅里叶插值对气象预报中的气温数据进行增采样，将增采样后的数据输入训练的BP神经网络，对常规状态下轨温、应力、位移进行预测；S4.3、基于长期监测数据，构建以气温预报值为自变量的多元回归模型，对极端条件下的轨温、应力、位移进行预测。
7.一种实现权利要求1-6任一项所述的轨道系统安全状态综合监测及智能分析系统，其特征在于，该系统包括：数据采集单元，用于对轨道系统的温度、应力、位移进行数据采集；数据库单元，用于储存数据采集单元采集的轨道数据；数据处理及分析单元，用于从数据库模块中调取所测轨道系统数据进行处理分析，获得轨道当前状态信息；预测单元，对采集数据进行处理分析，预测轨道受力变形状态的变化趋势；报警单元，用于将轨道当前状态信息与系统预设的报警阈值进行对比，若分析结果超出设定的阈值，则发出报警提示；供电单元，用于为系统内除光纤光栅传感器外的单元模块提供电力支持。
8.根据权利要求7所述系统，其特征在于，所述数据采集单元包括：低频数据采集模块、轨道大位移采集模块、高频数据采集模块；所述预测单元包括：BP神经网络，对常规状态下轨温、应力、位移进行预测；多元回归模型，对极端条件下的轨温、应力、位移进行预测；所述报警单元包括：阈值比对模块，用于将数据分析结果与预先设定的阈值进行对比，并根据对比结果发出预警指示；报警数据库模块，用于储存对比结果；所述系统还包括：滤波模块，用于对轨道大位移数据采集模块采集得到的视频数据进行滤波除燥处理；补偿模块，用于对外界环境对轨道造成的误差进行补偿，以使高频型轨道数据采集模块对轨道应力数据进行准确采集；图像识别模块，用于对尖轨图片进行图像识别，得出尖轨的伸缩位移。
