1.一种基于多传感器数据融合的裂纹扩展监测方法，其特征在于，具体包括如下步骤：

步骤1、采用压电传感器和应变传感器(3)对裂纹扩展进行综合监测，在进行多次循环加载后，观察裂纹长度，并通过示波器(8)进行压电传感器产生的Lamb波的数据采集，动态应变测试仪(6)对应变传感器(3)产生的数据进行连续采集；

步骤2、对所述步骤1中动态应变测试仪(6)所采集到的数据求取上下包络线，并提取上下包络线的平均值，以此消除加载过程中产生的弹性变形；提取所述步骤1中示波器(8)所采集到的Lamb波信号S0模式的波达时间和幅值作为损伤特征参数；

步骤3、采用随机森林算法对所述步骤2中提取的应变传感器(3)和压电传感器的数据分别进行模式识别并分别得出模式识别结果；

步骤4、采用基于D-S证据理论的数据融合方法，融合所述步骤3中两种监测方法的模式识别结果，对裂纹扩展进行综合判别。

2.根据权利要求1所述的一种基于多传感器数据融合的裂纹扩展监测方法，其特征在于，所述步骤1中的内容具体如下：在疲劳试验机(1)上对若干个试件(2)进行裂纹扩展的综合监测，试件(2)表面贴有压电传感器和应变传感器(3)，在进行多次循环加载后，停止疲劳试验机(1)，通过放大镜观察裂纹长度，并通过PICO4824示波器进行压电传感器产生的Lamb波的数据采集，TST3828E动态应变测试仪对应变传感器(3)产生的数据进行连续采集，重复进行循环加载-观察裂纹长度-数据采集的步骤，直至试件在疲劳试验机上完全断裂。

3.根据权利要求1所述的一种基于多传感器数据融合的裂纹扩展监测方法，其特征在于，所述步骤2中的内容具体如下：对所述步骤1中动态应变测试仪(6)所采集到的数据进行上下包络线提取，并求取上下包络线平均值，以此消除加载过程中产生的弹性变形，对监测的每个试件的各个应变传感器采集的数据分别作此处理，得到应变随循环次数的变化曲线；提取所述步骤1中示波器(8)所采集到的Lamb波信号S0模式的波达时间和幅值作为损伤特征参数。

4.根据权利要求1所述的一种基于多传感器数据融合的裂纹扩展监测方法，其特征在于，所述步骤3中的内容具体如下：步骤3.1、将所述步骤2中提取的应变传感器(6)和压电传感器的数据组成的数据集通过自助法重采样技术划分训练集和测试集，从训练集中有放回的重复随机抽取样本生成训练样本集，然后利用Bagging方法从训练样本集中随机选取特定数目的特征值；

步骤3.2、将所述步骤3.1中得到的特征值采用C4.5算法来选择分裂属性，构造决策树；

步骤3.3、依次重复所述步骤3.2若干次，即生成相应棵数的决策树，这若干颗决策树即形成随机森林模型；

步骤3.4、将测试集中的测试数据代入到所述步骤3.3中生成的随机森林模型中，数据经过每棵决策树进行决策，最终利用众数投票方式选出投票数量最多的值，即为初步识别结果，并计算得出每个裂纹长度对应的正确投票率。

5.根据权利要求4所述的一种基于多传感器数据融合的裂纹扩展监测方法，其特征在于，所述步骤3.4中计算每个裂纹长度对应的正确投票率的公式如下：随机森林由k棵决策树组成，设分类器hk(X)未抽取的数据集为Ok，则输入随机向量X在Ok中投票的分类类别Y的比例，即随机森林的投票率Q(X,Yj)为：其中，Yj表示投票的每个分类类别，I(x)表示随机变量的信息。

6.根据权利要求5所述的一种基于多传感器数据融合的裂纹扩展监测方法，其特征在于，所述步骤4中的内容具体如下：采用基于D-S证据理论的数据融合方法，根据下式可以得到所述步骤3中两种监测方法的模式识别结果融合之后的基本概率分配函数，对裂纹扩展进行综合判别：其中，Ai为压电传感器数据中得到的每个裂纹长度对应的投票数，m1(Ai)为压电传感器数据中得出的每个裂纹长度对应的正确投票率,Bj为应变传感器数据中得到的每个裂纹长度对应的投票数,m2(Bj)为应变传感器数据中得出的每个裂纹长度对应的正确投票率，φ代表空集，A＝φ代表A是空集，A不等于φ代表A不是空集。