1.一种列车车轮退化数据的处理方法，其特征在于，所述方法包括：获取列车的特定车轮的退化监测数据以及对应的监测时刻；利用预设均方根矩阵，对所述退化监测数据以及对应的监测时刻进行独立性转换，得到更新后的退化监测数据以及对应的监测时刻；根据预设固定效应向量、预设随机效应向量以及所述更新后的监测时刻，得到所述更新后的监测时刻的均值和方差；根据所述更新后的监测时刻、所述更新后的退化监测数据、所述更新后的监测时刻均值和方差、以及预设条件概率密度函数，得到所述特定车轮的剩余寿命估计值，其中，在所述得到更新后的退化监测数据以及对应的监测时刻之前，所述方法还包括：获取所述列车的所有车轮的历史退化数据；根据线性混合效应模型y i ＝X i β+Z i b i +ε i ，得到固定效应向量β、随机效应向量b i 和测量误差ε i ，其中i＝1,...,m，b i ～N(0,ψ)，ε i ～N(0,R i )， m为所述列车的所有车轮的个数，y i 为第i个车轮的历史退化数据，X i 为第i个车轮的固定效应设计矩阵，Z i 为第i个车轮的随机效应设计矩阵，b i 的分布服从均值为0，方差协方差矩阵为ψ的正态分布，ε i 的分布服从均值为0，方差为R i 的正态分布，σ i 2 为第i个车轮的残差方差， 为单位矩阵；根据 得到更新后的误差效应方差矩阵R i ，其中，σ i 2 为第i个车轮的残差方差，Γ i 为自相关结构矩阵，H i 为异方差结构；根据B i B i ＝R i ，得到第i个车轮的预设均方根矩阵B i ；其中，所述利用预设均方根矩阵，对所述退化监测数据以及对应的监测时刻进行独立性转换，得到更新后的退化监测数据以及对应的监测时刻包括：根据y * ＝B -1 ×y，x * ＝B -1 ×x，z * ＝B -1 ×z，ε * ＝B -1 ×ε，得到更新后的退化监测数据y * 与更新后的监测时刻x * ，其中，B -1 为所述预设均方根矩阵的逆矩阵，y为获取到的所述退化监测数据，x为获取到的所述退化监测数据对应的监测时刻，z为获取到的所述监测时刻的子集，z * 为更新后的所述监测时刻的子集，ε为所述特定车轮的预设测量误差，ε * 为更新后的所述预设测量误差。
2.根据权利要求1所述的方法，其特征在于，所述根据预设固定效应向量、预设随机效应向量以及所述更新后的监测时刻，得到所述更新后的监测时刻的均值和方差包括：根据 得到所述预设固定效应向量β的后验估计值β'的均值μ β',k ；根据 得到所述预设随机效应向量b的后验估计值b'的均值μ b',k ；根据 得到所述预设固定效应向量β的后验估计值β'的标准差σ 2 β',k ；根据 得到所述预设随机效应向量b的后验估计值b'的标准差σ 2 b',k ；根据 得到所述误差效应方差矩阵的正交特征向量p的后验估计值p k ，其中，k为所述特定车轮的退化监测数据的总个数， 为更新后的第i个退化监测数据， 为更新后的第i个监测时刻，σ 2 为所述退化监测数据的残差方差， 为所述预设固定效应向量β的残差方差， 为所述预设随机效应向量b的残差方差；根据 得到所述更新后的监测时刻的均值 以及方差 其中，x为所述特定车轮在监测时刻 的剩余寿命， 为更新后的第1个至第k个退化监测数据，
3.根据权利要求2所述的方法，其特征在于，所述根据所述更新后的监测时刻、所述更新后的退化监测数据、所述更新后的监测时刻均值和方差、以及预设条件概率密度函数，得到所述特定车轮的剩余寿命估计值包括：根据 得到条件累积分布函数 其中，T为所述特定车轮在时刻 的剩余使用寿命，H为车轮磨耗的失效阈值，Z为随机变量x的标准正态分布， Φ(·)为标准正态分布随机变量的累积分布函数；根据 得到预设条件概率密度函数 其中，φ(·)为标准正态分布随机变量的概率密度函数，g'(x)为g(x)的导数；根据函数最大化算法，得到所述预设条件概率密度函数对应的最大变量，将所述最大变量确定为所述特定车轮的剩余寿命估计值。
4.一种列车车轮退化数据的处理装置，其特征在于，所述装置包括：获取单元，用于获取列车的特定车轮的退化监测数据以及对应的监测时刻；独立性转换单元，用于利用预设均方根矩阵，对所述退化监测数据以及对应的监测时刻进行独立性转换，得到更新后的退化监测数据以及对应的监测时刻；处理单元，用于根据预设固定效应向量、预设随机效应向量以及所述更新后的监测时刻，得到所述更新后的监测时刻的均值和方差；剩余寿命估计单元，用于根据所述更新后的监测时刻、所述更新后的退化监测数据、所述更新后的监测时刻均值和方差、以及预设条件概率密度函数，得到所述特定车轮的剩余寿命估计值，其中，所述获取单元还用于获取所述列车的所有车轮的历史退化数据；所述处理单元还用于根据线性混合效应模型y i ＝X i β+Z i b i +ε i ，得到固定效应向量β、随机效应向量b i 和测量误差ε i ，其中i＝1,...,m，b i ～N(0,ψ)，ε i ～N(0,R i )， m为所述列车的所有车轮的个数，y i 为第i个车轮的历史退化数据，X i 为第i个车轮的固定效应设计矩阵，Z i 为第i个车轮的随机效应设计矩阵，b i 的分布服从均值为0，方差协方差矩阵为ψ的正态分布，ε i 的分布服从均值为0，方差为R i 的正态分布，σ i 2 为第i个车轮的残差方差， 为单位矩阵；根据 得到更新后的误差效应方差矩阵R i ，其中，σ i 2 为第i个车轮的残差方差、Γ i 为自相关结构矩阵， 为异方差结构；根据B i B i ＝R i ，得到第i个车轮的预设均方根矩阵B i ；其中，所述独立性转换单元还用于根据y * ＝B -1 ×y，x * ＝B -1 ×x，z * ＝B -1 ×z，ε * ＝B -1 ×ε，得到更新后的退化监测数据y * ，更新后的监测时刻x * ，其中，B -1 为所述预设均方根矩阵的逆矩阵，y为获取到的所述退化监测数据，x为获取到的所述退化监测数据对应的监测时刻，z为获取到的所述监测时刻的子集，z * 为更新后的所述监测时刻的子集，ε为所述特定车轮的预设测量误差，ε * 为更新后的所述预设测量误差。
5.根据权利要求4所述的装置，其特征在于，所述处理单元还用于根据 得到所述预设固定效应向量β的后验估计值的均值μ β',k ；根据 得到所述预设随机效应向量b的后验估计值的均值μ b',k ；根据 得到所述预设固定效应向量β的后验估计值的标准差σ 2 β',k ；根据 得到所述预设随机效应向量b的后验估计值的标准差σ 2 b',k ；根据 得到所述误差效应方差矩阵的正交特征向量p的后验估计值p k ，其中，k为所述特定车轮的退化监测数据的总个数， 为更新后的第i个退化监测数据， 为更新后的第i个监测时刻，σ 2 为所述退化监测数据的残差方差， 为所述预设固定效应向量β的残差方差， 为所述预设随机效应向量b的残差方差；根据 得到所述更新后的监测时刻的均值 以及方差 其中，x为所述特定车轮在监测时刻 的剩余寿命， 为更新后的第1个至第k个退化监测数据，
6.根据权利要求5所述的装置，其特征在于，所述剩余寿命估计单元还用于根据 得到条件累积分布函数 其中，T为所述特定车轮在时刻 的剩余使用寿命，H为车轮磨耗的失效阈值，Z为随机变量x的标准正态分布， Φ(·)为标准正态分布随机变量的累积分布函数；根据 得到预设条件概率密度函数 其中，φ(·)为标准正态分布随机变量的概率密度函数，g'(x)为g(x)的导数；根据函数最大化算法，得到所述预设条件概率密度函数对应的最大变量，将所述最大变量确定为所述特定车轮的剩余寿命估计值。
7.一种存储介质，其特征在于，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述权利要求1-3任一项所述的列车车轮退化数据的处理方法。
