1.一种装配式组合梁的疲劳后剩余刚度计算方法，其特征在于，包括如下步骤：获取装配式组合梁的三维激光点云数据和热红外图像序列，并将热红外图像序列与三维激光点云数据进行配准，得到带有温度属性的多模态点云数据，对装配式组合梁的初始宏观几何缺陷进行量化；基于带有温度属性的多模态点云数据，提取焊接区域的融合几何特征和热学特征，并利用第一深度学习模型识别焊接区域的微裂纹初步形态；对微裂纹初步形态进行拓扑结构分析，构建微裂纹网络图并提取其参数；基于初始宏观几何缺陷的量化参数和微裂纹网络图及其参数，采用自注意力图神经网络评估微裂纹网络图对焊接区域局部刚度的影响，并结合初始宏观几何缺陷对组合梁初始刚度的影响，得到多尺度损伤修正后的刚度参数；结合装配式组合梁的疲劳荷载历史和多尺度损伤修正后的刚度参数，在结构分析模型中计算得到装配式组合梁的疲劳后剩余刚度。
2.根据权利要求1所述的一种装配式组合梁的疲劳后剩余刚度计算方法，其特征在于，所述对装配式组合梁的初始宏观几何缺陷进行量化包括：将三维激光点云数据与计算机辅助设计模型进行对齐，计算两者之间的几何偏差，并基于几何偏差确定整体弯曲变形参数、整体扭转变形参数和关键截面尺寸偏差参数中的至少一种。
3.根据权利要求1所述的一种装配式组合梁的疲劳后剩余刚度计算方法，其特征在于，所述第一深度学习模型为图像分割网络或三维点云分割网络；所述提取焊接区域的融合几何特征和热学特征包括：提取多模态点云数据在焊接区域的局部曲率、法向量变化率、点密度、平面度中至少一种几何特征，以及温度梯度、温度异常值、温度纹理特征中至少一种热学特征，并将几何特征和热学特征进行融合得到融合特征，第一深度学习模型基于所述融合特征识别微裂纹初步形态。
4.根据权利要求1所述的一种装配式组合梁的疲劳后剩余刚度计算方法，其特征在于，所述构建微裂纹网络图并提取其参数包括：对微裂纹初步形态进行邻近分析、连通性分析和分叉交叉点识别；提取其参数包括：提取微裂纹网络图的节点属性和边属性，节点属性包含节点三维坐标和节点热异常幅值中的至少一种，边属性包含裂纹段长度和裂纹段平均走向向量中的至少一种。
5.根据权利要求1所述的一种装配式组合梁的疲劳后剩余刚度计算方法，其特征在于，所述采用自注意力图神经网络评估微裂纹网络图对焊接区域局部刚度的影响，包括：将微裂纹网络图的拓扑结构、节点属性和边属性输入到自注意力图神经网络，自注意力图神经网络通过至少一个图注意力层处理输入，并输出微裂纹网络图对焊接区域局部刚度的折减系数；多尺度损伤修正后的刚度参数还包括基于折减系数和焊接区域的初始局部刚度计算得到的有效局部刚度。
6.根据权利要求1所述的一种装配式组合梁的疲劳后剩余刚度计算方法，其特征在于，所述结构分析模型为有限元模型或考虑损伤的梁单元模型。
7.根据权利要求1所述的一种装配式组合梁的疲劳后剩余刚度计算方法，其特征在于，所述结合装配式组合梁的疲劳荷载历史和多尺度损伤修正后的刚度参数，在结构分析模型中计算得到装配式组合梁的疲劳后剩余刚度，包括：采用基于S-N曲线的方法，依据疲劳荷载历史和多尺度损伤修正后的刚度参数对应的修正后应力水平，计算累积损伤度，并根据损伤度刚度退化关系确定疲劳后剩余刚度。
8.根据权利要求1所述的一种装配式组合梁的疲劳后剩余刚度计算方法，其特征在于，热红外图像序列的采集与三维激光点云数据的采集同步进行。
9.根据权利要求3所述的一种装配式组合梁的疲劳后剩余刚度计算方法，其特征在于，所述融合几何特征和热学特征采用拼接操作或注意力加权融合策略。
10.一种装配式组合梁的疲劳后剩余刚度计算系统，用于执行权利要求1-9任一所述的一种装配式组合梁的疲劳后剩余刚度计算方法，其特征在于，包括：数据获取与配准模块，用于获取装配式组合梁的三维激光点云数据和热红外图像序列，并将热红外图像序列与三维激光点云数据进行配准，得到带有温度属性的多模态点云数据，同时基于三维激光点云数据与装配式组合梁的计算机辅助设计模型的对比，对装配式组合梁的初始宏观几何缺陷进行量化；微裂纹识别模块，基于带有温度属性的多模态点云数据，提取焊接区域的融合几何特征和热学特征，并利用第一深度学习模型识别焊接区域的微裂纹初步形态；裂纹网络构建模块，用于对微裂纹初步形态进行拓扑结构分析，构建微裂纹网络图并提取其参数；刚度影响评估模块，基于所述初始宏观几何缺陷的量化参数和微裂纹网络图及其参数，采用自注意力图神经网络评估微裂纹网络图对焊接区域局部刚度的影响，并结合初始宏观几何缺陷对组合梁初始刚度的影响，得到多尺度损伤修正后的刚度参数；剩余刚度计算模块，用于结合装配式组合梁的疲劳荷载历史和多尺度损伤修正后的刚度参数，在结构分析模型中计算得到装配式组合梁的疲劳后剩余刚度。
