1.一种列车车轮踏面损伤的处理方法，其特征在于，所述方法包括：获取选定车轮的车辆运行品质轨边动态监测系统TPDS监测数据，所述监测数据包括历史监测数据和当前监测数据；对所述监测数据依次进行滑窗迭代和平滑处理，得到所述当前监测数据对应的本次踏面损伤预测值；判断所述本次踏面损伤预测值是否大于或等于预警阈值；若所述本次踏面损伤预测值大于或等于所述预警阈值时，提示所述选定车轮存在踏面损伤故障，其中，所述对所述监测数据依次进行滑窗迭代和平滑处理，得到所述当前监测数据对应的本次踏面损伤预测值包括：根据所述监测数据中当前冲击当量以及预定测量次数的历史冲击当量进行权重滑窗累加，得到本次获取的监测数据对应的本次滑窗累加值；根据所述本次滑窗累加值以及历史滑窗累加值进行指数赋权平滑，得到本次获取的监测数据对应的本次踏面损伤预测值；其中，所述根据所述监测数据中当前冲击当量以及预定测量次数的历史冲击当量进行权重滑窗累加，得到本次获取的监测数据对应的本次滑窗累加值包括：根据W t ＝W c1 +n*W c2 ，得到第t次获取的监测数据对应的第t次滑窗累加值，其中，W t 为所述第t次滑窗累加值，W c1 为第t次之前c1次冲击当量之和，W c2 为第t次之前c2次冲击当量之和，n为权重值，0<n<1，其中c1小于c2。
2.根据权利要求1所述的方法，其特征在于，所述根据所述本次滑窗累加值以及历史滑窗累加值进行指数赋权平滑，得到本次获取的监测数据对应的本次踏面损伤预测值包括：根据 得到第t次踏面损伤预测值F t+1 ，其中，W t 为第t次滑窗累加值，W i 为历史滑窗累加值中的第i次滑窗累加值，F 1 为滑窗累加初始值，α为平滑常数，其中，F 1 ＝W 1 。
3.根据权利要求1所述的方法，其特征在于，在所述判断所述本次踏面损伤预测值是否大于或等于预设预警阈值之后，所述方法还包括：若所述本次踏面损伤预测值小于所述预警阈值时，继续获取所述选定车轮的监测数据。
4.根据权利要求1所述的方法，其特征在于，当所述提示所述选定车轮存在踏面损伤故障之后，所述方法还包括：根据所述当前监测数据中的时速、载重、冲击当量以及预设踏面扁疤深度预测模型，得到所述当前监测数据对应的扁疤深度预测值。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：通过下述方式确定所述预设踏面扁疤深度预测模型：获取与所述选定车轮对应的车型的数据样本，所述数据样本包括时速、载重、冲击当量以及扁疤深度值；将所述时速、载重、冲击当量、时速平方与冲击当量的乘积作为BP神经网络的输入层的四个参数，将对应的扁疤深度值作为所述BP神经网络的输出，训练得到所述预设踏面扁疤深度预测模型。
6.一种列车车轮踏面损伤的处理装置，其特征在于，所述装置包括：获取单元，用于获取选定车轮的车辆运行品质轨边动态监测系统TPDS监测数据，所述监测数据包括历史监测数据和当前监测数据；数据处理单元，用于对所述监测数据依次进行滑窗迭代和平滑处理，得到所述当前监测数据对应的本次踏面损伤预测值；判断单元，用于判断所述本次踏面损伤预测值是否大于或等于预警阈值；提示单元，用于若所述本次踏面损伤预测值大于或等于所述预警阈值时，提示所述选定车轮存在踏面损伤故障，其中，所述数据处理单元还用于根据所述监测数据中当前冲击当量以及预定测量次数的历史冲击当量进行权重滑窗累加，得到本次获取的监测数据对应的本次滑窗累加值；根据所述本次滑窗累加值以及历史滑窗累加值进行指数赋权平滑，得到本次获取的监测数据对应的本次踏面损伤预测值；其中，所述数据处理单元还用于根据W t ＝W c1 +n*W c2 ，得到第t次获取的监测数据对应的第t次滑窗累加值，其中，W t 为所述第t次滑窗累加值，W c1 为第t次之前c1次冲击当量之和，W c2 为第t次之前c2次冲击当量之和，n为权重值，0<n<1，其中c1小于c2。
7.根据权利要求6所述的装置，其特征在于，所述数据处理单元还用于根据 得到第t次踏面损伤预测值F t+1 ，其中，W t 为第t次滑窗累加值，W i 为历史滑窗累加值中的第i次滑窗累加值，F 1 为滑窗累加初始值，α为平滑常数，其中，F 1 ＝W 1 。
8.根据权利要求6所述的装置，其特征在于，所述获取单元还用于当所述判断单元判断所述本次踏面损伤预测值小于所述预警阈值时，继续获取所述选定车轮的监测数据。
9.根据权利要求6所述的装置，其特征在于，所述装置还包括：深度预测单元，用于当提示单元提示所述选定车轮存在踏面损伤故障之后，根据所述当前监测数据中的时速、载重、冲击当量以及预设踏面扁疤深度预测模型，得到所述当前监测数据对应的扁疤深度预测值。
10.根据权利要求9所述的装置，其特征在于，通过下述方式确定所述预设踏面扁疤深度预测模型：获取与所述选定车轮对应的车型的数据样本，所述数据样本包括时速、载重、冲击当量以及扁疤深度值；将所述时速、载重、冲击当量、时速平方与冲击当量的乘积作为BP神经网络的输入层的四个参数，将对应的扁疤深度值作为所述BP神经网络的输出，训练得到所述预设踏面扁疤深度预测模型。
11.一种存储介质，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1-5任一项所述的列车车轮踏面损伤的处理方法。
