1.一种基于多源异构信息融合的焊接节点剩余疲劳寿命评估方法，其特征在于，以裂纹长度作判断量对疲劳裂纹萌生和扩展过程中的不确定性因素进行敏感度分析；包括：当裂纹长度小于0.1mm时，采用局部应力应变法求解疲劳寿命；当裂纹长度在0.1mm到0.5mm之间时，采用IBESS方法求解疲劳寿命；当裂纹长度大于0.5mm时，采用长裂纹扩展预测算法求解疲劳寿命；局部应力应变法，包括根据实测载荷和焊缝尺寸求得焊点疲劳裂纹处的名义应力谱，结合钢材的循环本构曲线和Neuber准则，获得局部应力谱，以及基于局部应力谱和累计损伤准则，得到焊点剩余疲劳寿命；IBESS方法，包括根据实测载荷和焊缝尺寸，确定应力强度因子谱，结合裂纹闭合参数及循环阻力曲线，得到疲劳裂纹处的塑性修正应力强度因子幅；根据所述塑性修正应力强度因子幅和裂纹扩展曲线，得到焊点剩余疲劳寿命、预测裂纹长度；长裂纹扩展预测算法，包括根据实测载荷和焊缝尺寸，确定应力强度因子谱，基于裂纹闭合参数，得到有效应力强度因子谱；根据有效应力强度因子谱和裂纹扩展曲线，得到焊点剩余疲劳寿命、预测裂纹长度；根据分析结果，基于贝叶斯理论，建立铁路钢桥焊接节点退化模型；采集裂纹长度图像、声发射信号和应变信号；输入至深度学习神经网络，得到裂纹长度；将所述裂纹长度输入至铁路钢桥焊接节点退化模型中，得到焊点剩余疲劳寿命。
2.根据权利要求1所述的剩余疲劳寿命评估方法，其特征在于，基于硬度法获取焊接节点疲劳裂纹危险部位的单调本构曲线；基于单调本构曲线，通过Uniform materials方法获得初始循环本构曲线，通过Leonetti的方法获得初始循环阻力曲线，通过iLAPS方法获得初始裂纹扩展曲线；将所得初始曲线作为粒子滤波算法的初始参数值，通过比较裂纹长度观测值与预测裂纹长度，迭代更新粒子权重。
3.根据权利要求2所述的剩余疲劳寿命评估方法，其特征在于，将高敏感度参数设置为动态贝叶斯网络中的状态节点，将低敏感度参数设置为固定节点，建立面向裂纹萌生和扩展的铁路钢桥焊接节点退化模型。
4.根据权利要求1所述的剩余疲劳寿命评估方法，其特征在于，深度学习神经网络包括第一分支和第二分支；第一分支用于提取声发射信号和应变信号特征，第二分支用于提取裂纹长度图像特征。
5.根据权利要求4所述的剩余疲劳寿命评估方法，其特征在于，第一分支包括第一特征提取模块，第二分支包括串接的第二特征提取模块和第三特征提取模块；第二特征提取模块的输出与第一分支的输入数据进行交互后，分别输入至第一特征提取模块与第三特征提取模块进行特征提取；对第一特征提取模块与第三特征提取模块的输出特征进行融合，并根据融合特征得到裂纹尺寸。
6.根据权利要求5所述的剩余疲劳寿命评估方法，其特征在于，第一特征提取模块、第二特征提取模块和第三特征提取模块均由两层全连接神经网络构成。
7.根据权利要求5所述的剩余疲劳寿命评估方法，其特征在于，特征融合表达式为：y H ＝y L +β(tanhα 1 ·y H_L +tanhα 2 ·y H_NL )式中，y L 为第二特征提取模块的输出，y H_L 为第一特征提取模块的输出，y H_NL 为第三特征提取模块的输出，α 1 和α 2 是需要训练的参数，β是残差权值。
