1.一种C80车辆的故障检测方法，其特征在于包括如下步骤：对车辆方向和车辆的端部位置、侧方位置、车轴位置、车轮位置和车梁位置进行定义；以TFDS视觉和电子标签在车辆位置分别作为参照，在TFDS中对C80车辆的预报轴承位置分别定义，其中，电子标签安装在车辆的其中一个端部位置；通过深度学习算法对TFDS获取的车辆图像进行处理和判断。
2.根据权利要求1所述的C80车辆的故障检测方法，其特征在于，所述对车辆方向和车辆的端部位置、侧方位置、车轴位置、车轮位置和车梁位置进行定义包括如下子步骤：对车辆纵向和车辆横向进行定义；对车辆端部位置进行定义，并进行区分；对车辆侧方位置进行定义，并进行区分；以车辆端部位置为参考，对车轴的位置进行定义和编号；以端部位置和侧方位置为参考，对车轮位置进行定义和编号；以车辆端部位置作为参考，并依据车梁自身是否侧方贯通来对车梁进行定义和编号。
3.根据权利要求1所述的C80车辆的故障检测方法，其特征在于，所述对车辆方向和车辆的端部位置、侧方位置、车轴位置、车轮位置和车梁位置进行定义包括如下子步骤：对车辆纵向和车辆横向进行定义，车辆位于平直线路时，沿车辆前后的连接牵引方向定义为车辆纵向，与车辆纵相垂直的水平方向定义为车辆横向；对车辆端部位置进行定义，车辆上沿车辆纵向前后的两端定义为车位端，且其中一个为第一车位端，另一个定义为第二车位端；对车辆侧方位置进行定义，车辆上沿车辆纵向左右的两侧定义为车位侧，且其中一侧为第一车位侧，另一侧为第二车位侧；对车轴位置进行定义，车轴在车辆中的位置，且从所述第一车位端起，第二车位端止，顺次编号车轴，各车轴对应于自身轴位；对车轮位置进行定义，以所述第一车位端、第二车位端、第一车位侧和第二车位侧作为参考系，顺次编号各车轮，且各车轮对应于自身的轮位；对车梁位置进行定义，对车横梁位置的定义中，当车横梁为所述第一车位侧和第二车位侧连续贯通的整体梁时，采用上述车轴位置定义的方式进行定义，当车梁为非整体梁时，采用上述车轮位置定义的方式进行定义；对车纵梁位置的定义中，当车纵梁为所述第一车位端和第二车位端连续贯通的整体梁时，从所述第一车位侧起，第二车位侧止，顺次编号车纵梁，各车纵梁对应于自身的梁位置，当车纵梁为非整体梁时，采用上述车轮位置定义的方式进行定义。
4.根据权利要求1所述的C80车辆的故障检测方法，其特征在于，所述以TFDS视觉和电子标签在车辆位置分别作为参照，在TFDS中对C80车辆的预报轴承位置分别定义包括如下子步骤：按照车辆在TFDS中视觉运行方向对车辆两侧的轴承位置进行定义和编号；按照车辆端部距离电子标签远近关系对车辆端部进行名义位置定义，并根据车轴与车辆名义端的距离关系进行车轴位置定义，再根据车轴位置对车辆两侧的轴承位置进行定义和编号。
5.根据权利要求1所述的C80车辆的故障检测方法，其特征在于，所述以TFDS视觉和电子标签在车辆位置分别作为参照，在TFDS中对C80车辆的预报轴承位置分别定义包括如下子步骤：按照车辆在TFDS中视觉运行方向，以车辆前进方向为前，左侧的四个轴承从前向后依次定义为左1～左4，右侧的四个轴承从前向后依次定义为右1～右4；按照车辆端部距离电子标签远近关系，车辆端部中距离电子标签较近的一端定义为名义一位端，另一端定义为名义二位端，以名义一位端为前，名义二位端为后，距离名义一位端最近，且第一根车轴的右侧轴承定义为轴承A1，左侧轴承定义为轴承A2，第二根车轴的右侧轴承定义为轴承A3，左侧轴承定义为轴承A4，以此类推。
6.根据权利要求1所述的C80车辆的故障检测方法，其特征在于，通过深度学习算法对TFDS获取的车辆图像进行处理和判断包括如下子步骤：通过深度学习算法采样车辆图像块并进行聚类，统计车辆图像中出现的图像要素，且所述图像要素包括线条、形状、颜色和纹理；通过深度学习算法将获取的图像要素进行组合，并判断为车辆或车辆部件的局部信息；通过深度学习算法对车辆图像进行数据标注，并根据标注建立分析模型，找出车辆部件和故障位置对应的图像变化特点，并排除非车辆部件和非故障位置的图像变化特点，进而实现对车辆故障状态、车辆方位和电子标签位置的推理性判断。
7.一种C80车辆的故障检测系统，其特征在于，包括TFDS和深度学习算法模块，所述深度学习算法模块设置于所述TFDS，且执行如权利要求1-6任意一项所述的故障检测方法。
8.一种计算机可读存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如权利要求1-6任意一项所述的故障检测方法。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-6任意一项所述的故障检测方法。
