1.一种结构监测传感网失真数据修复方法，其特征在于，包括：

获取各结构监测传感器的结构响应数据，并分别输入失真识别模型，得到对应的识别结果；

对于识别结果为失真的结构监测传感器，获取与其相关联的各结构监测传感器的结构响应数据，并将其进行归一化预处理，输入失真数据重建模型，得到失真的结构监测传感器的结构响应数据归一化修正值；其中，所述失真数据重建模型为基于各结构监测传感器历史正常结构响应数据对BLSTM进行训练得到；

对结构响应数据归一化修正值进行反归一化处理，得到失真的结构监测传感器的结构响应数据修正值；

所述失真识别模型通过如下方法得到：

获取正常结构响应数据样本和包括各类故障的失真结构响应数据样本，并设置对应的标签，构建训练样本集；

基于训练样本集对一维卷积神经网络进行训练，得到失真识别模型；

所述失真数据重建模型通过如下方法得到：

获取各结构监测传感器的历史正常结构响应数据；

分别将各结构监测传感器作为待预测结构监测传感器，并提取其历史正常结构响应数据及与其相关联的结构监测传感器的历史正常结构响应数据，并对数据进行归一化预处理，得到分别与各结构监测传感器对应的多个训练样本集；

分别基于各训练样本集，以相关联的结构监测传感器的历史正常结构响应数据为输入，以待预测结构监测传感器的历史正常结构响应数据为输出，对BLSTM进行训练，且采用粒子群优化算法获取最优BLSTM参数，得到失真数据重建模型；其中BLSTM为双向长短时记忆网络模型。

2.根据权利要求1所述的结构监测传感网失真数据修复方法，其特征在于，所述各类故障的类型包括：偏移、漂移、精度退化、增益，以及常数、常数+噪声、噪声三种完全故障；

所述一维卷积神经网络包括三个卷积池化层和一个全连接层，使用Softmax函数输出分类标签。

3.根据权利要求1所述的结构监测传感网失真数据修复方法，其特征在于，所述对数据进行归一化预处理过程包括：以y表示待预测结构监测传感器的历史正常结构响应数据，X表示相关联的结构监测传感器的历史正常结构响应数据，表示如下：式中， 表示t时刻第n个相关联的结构监测传感器的测量值；yt表示t时刻待预测结构监测传感器的测量值；M表示相关联的结构监测传感器总数,T表示结构响应数据的序列长度；

按如下公式将数据进行归一化，使其值处于[0,1]范围内：

式中， 和 分别为第n个相关联的结构监测传感器所有时刻测量值中的最大值和最小值； 和 分别为待预测结构监测传感器所有时刻测量值中的最大值和最小值。

4.根据权利要求1所述的结构监测传感网失真数据修复方法，其特征在于，所述BLSTM的记忆细胞结构包括遗忘门、输入门、输出门、候选状态、存储单元、单元输出，分别表示如下：式中，ft、it、ot、 ct和ht分别表示在t时刻的遗忘门、输入门、输出门、候选状态、存储单元和单元输出；ht‑1为t‑1时刻的单元输出；Wf、Wi、Wo和Wc分别为对应的输入‑状态权重矩阵；Uf、Ui、Uo和Uc分别为对应的状态‑状态权重矩阵；bf、bi、bo和bc分别为对应的偏置向量；σ和tanh为非线性激活函数。

5.根据权利要求1所述的结构监测传感网失真数据修复方法，其特征在于，所述BLSTM的参数包括如下7个：数据序列长度、批次大小、隐藏层神经元数量、全连接层神经元数量、dropout的比例、学习率、迭代次数；

所述采用粒子群优化算法获取最优BLSTM参数的过程包括：

初始化多个粒子的初始位置和速度，每个粒子均由上述7个参数组成；设置最大迭代次数、学习因子和适应度函数；

迭代更新每个粒子的位置和速度，每次迭代后均计算适应度值，直至达到最大迭代次数或适应度值小于预设值，得到最优BLSTM参数；

其中，适应度函数表示如下：

式中，L表示适应度值，T表示结构响应数据的序列长度， 表示t时刻待预测结构监测传感器的结构响应数据预测值，yt表示t时刻待预测结构监测传感器的结构响应数据真实值。

6.根据权利要求1所述的结构监测传感网失真数据修复方法，其特征在于，还包括：采用同一失真数据重建模型对失真的结构监测传感器的结构响应数据进行多次修正重建，并获取多次失真的结构监测传感器的结构响应数据修正值的均值和置信区间，按下式构建失真的结构监测传感器的结构响应数据修正值的概率分布 对失真数据重建模型固有不确定性进行量化；

式中，N表示正态分布； 表示t时刻失真的结构监测传感器的结构响应数据修正值均值；σt为t时刻失真的结构监测传感器的结构响应数据修正值标准差。

7.一种结构监测传感网失真数据修复装置，其特征在于，用于实现如权利要求1所述的结构监测传感网失真数据修复方法，包括：失真数据识别模块，用于获取各结构监测传感器的结构响应数据，并分别输入失真识别模型，得到对应的识别结果；

失真数据重建模块，用于获取识别结果为失真的结构监测传感器相关联的各结构监测传感器的结构响应数据，并将其进行归一化预处理，输入失真数据重建模型，得到失真的结构监测传感器的结构响应数据归一化修正值；其中，所述失真数据重建模型为基于各结构监测传感器历史正常结构响应数据对BLSTM进行训练得到；

反归一化模块，用于对结构响应数据归一化修正值进行反归一化处理，得到失真的结构监测传感器的结构响应数据修正值。

8.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的结构监测传感网失真数据修复方法。