1.一种列车运行状态检测数据缺失处理装置，其特征在于，包括数据采集模块、数据预处理模块、变分自编码‑生成对抗语义融合网络模块、迁移学习参数共享模块、数据缺失部分重建模块；所述数据采集模块将数据传输至数据预处理模块，数据预处理模块将处理好的数据传输至变分自编码‑生成对抗语义融合网络模块，变分自编码‑生成对抗语义融合网络模块生成样本并将数据传输至迁移学习参数共享模块得到缺失数据，迁移学习参数共享模块将所得的缺失数据输送至数据缺失部分重建模块进行合理插补，输出完整数据结果；

所述变分自编码‑生成对抗语义融合网络模块包括VAE的编码器E、生成器G，编码器E、生成器G与判别器D构成VAE‑GAN骨干网络结构，所述编码器E与生成器G处分别加入注意力机制SE‑NET，编码器E结合GRU网络模型，得到的编码器语义融合结构；

其中VAE的编码器E、生成器G和判别器D中对编码器与生成器的激活函数均选用RuLU函数，为了提高判别器识别性能，激活函数不同于其他卷积层的激活函数，选用LeakyReLU函数；

所述GRU模块包括三个量：上一时刻输出 、当前时刻输入 、当前时刻输出 ，公式中的 和 分别为更新门和重置门，更新门的值越大上一个时刻的信息带入越多，关系式如下：其中，σ为sigmoid函数，通过这个函数将数据变换为0~1范围得数值，Wz为对当前状态的权重表示情况；

利用GRU学习上下文数据间的能力，提取数据间的深层特征，将第一层的数据作为GRU模块的上一步的输出，第二层的数据作为GRU模块的当前一步的输入，将有用数据信息保留后输出；再将输出数据与Layer 1、Layer 2的数据进行特征语义融合，输出到下一个GRU模块。

2.根据权利要求1所述列车运行状态检测数据缺失处理装置，其特征在于，所述数据采集模块包括电流传感器、电压传感器、温度传感器、湿度传感器、位移传感器和电频传感器的一种或多种。

3.一种列车运行状态检测缺失数据的重建方法，其特征在于，使用如权利要求1或2所述的列车运行状态检测数据缺失处理装置，包括以下步骤：S1、采集高速列车运维数据集，并对采集的离散数据进行预处理；

S2、运用变分自编码‑生成对抗语义融合网络学习的数据间相关特征：

变分自编码‑生成对抗语义融合网络通过编码与重构来学习输入数据的特征分布，在训练的过程中，编码器E在完整的数据集中对样本进行特征的提取和压缩，并通过线性网络将其编码到潜在空间z，其中z是潜在捕获数据重要特征的信息；生成的新样本由生成器G根据潜在变量z的描述生成，生成器G通过使用变分推理不断让后验分布接近预期分布，选择KL散度作为损失函数的一部分来计算两个分布之间的距离；

S3、运用迁移学习模型构建参数共享模型，并生成小样本特征数据缺失部分的数据；

S4、对缺失部分数据进行插补，输出完整数据结果。

4.根据权利要求3所述列车运行状态检测缺失数据的重建方法，其特征在于，步骤S1所述运维数据集包括设备交流电压、直流电压、监测输出电流、采集设备温度、油位、采集设备湿度、接受器电源频率的一种或多种。

5.根据权利要求3所述列车运行状态检测缺失数据的重建方法，其特征在于，步骤S1中数据预处理包括时空校正、配准与数据升维流程，将采集的高速列车离散量测数据进行分段截取后，高维映射为一个2‑D网格矩阵形式。

6.根据权利要求3所述列车运行状态检测缺失数据的重建方法，其特征在于，所述迁移学习模型采用变分自编码‑生成对抗语义融合网络为基本网络结构，通过使用样本数据对生成器 进行预训练，再将训练完好的参数迁移到主训练网络中的生成器 ，使用少量样本的数据进行微调。

7.根据权利要求6所述列车运行状态检测缺失数据的重建方法，其特征在于，所述预训练与主训练的样本数据量比例为5 20：1。

~