1.一种模态参数自动识别简化实用方法，其特征在于，包括：步骤1，聚类指标的自动选取

根据桥梁健康监测模态参数识别结果数据量和稳定点数据量确定相似指标比例，进而确定合理的指标差统计划分区间，提取其横坐标作为聚类指标；

步骤2，简化的遍历归类过程

对所有识别结果进行排序并标记，将识别结果的二维数据特性压缩为一维以简化计算，基于指标阈值，对排序的识别结果依次进行遍历，将小于阈值的识别结果按相似属性划分为一类，形成多个具有相同属性的数据小类；

设定稳定点数量阈值，通过剔除不满足稳定点数量阈值的模态类实现稳定图自动识别。

2.如权利要求1所述的模态参数自动识别简化实用方法，其特征在于，所述的根据模态参数识别结果数据量和稳定点数据量确定相似指标比例，包括：推导稳定图稳定点和全部模态参数识别结果之间的数据量关系，得到稳定点相似指标数量和所有数据点相似指标数量之间的数量关系，进而得到两者的比例关系。

3.如权利要求1所述的模态参数自动识别简化实用方法，其特征在于，所述的确定合理的指标差统计划分区间，提取其横坐标作为聚类指标，包括：通过对相似指标进行统计分析，将统计结果最小指标区间占比设定为计算得到的比例，选取该比例下的横坐标作为聚类指标。

4.如权利要求3所述的模态参数自动识别简化实用方法，其特征在于，所述的将统计结果最小指标区间占比设定为计算得到的比例，选取该比例下的横坐标作为聚类指标，包括：当对所有相似指标进行柱状图统计时，稳定点之间的相似指标位于最左端的区间内，当该区间的数据量占总体指标的比例为e时，所对应的横坐标就是稳定点之间的相似指标；

其中：

上式中，n为剔除虚假模态参数后的识别结果数量，N为系统最高阶次，a为稳定图中可以观察到的稳定轴的数量。

5.如权利要求1所述的模态参数自动识别简化实用方法，其特征在于，所述的基于指标阈值，对排序的识别结果依次进行遍历，将小于阈值的识别结果按相似属性划分为一类，包括：对识别结果进行排序，根据排序完成的识别结果，按照设定的指标从第一个结果开始对识别结果进行遍历归类，当计算的软指标小于指标阈值时，继续计算下一个数据；当大于指标阈值时，停止计算，并开始下一个结果的遍历过程。

6.如权利要求1所述的模态参数自动识别简化实用方法，其特征在于，所述的对排序的识别结果依次进行遍历，其中遍历过程为：基于硬指标，滤除绝对虚假模态参数，将剩余识别频率结果由小到大排列，数值相同时，按模型阶数的大小排列，并给每个数据进行编号，作为唯一标识码，最终形成初始矩阵D：矩阵第一行表示数据编号，第二行表示数据本身；

定义特征向量 其中ci表示数据αi的唯一标识码，ni表示与数据αi相似的稳定点数量，cd、cm表示与数据αi相似的左稳定点和右稳定点的数据标识码；

(1)采用自动确定的聚类指标，作为稳定点判断指标；

(2)从α1开始分别计算其与αi的指标值，并与指标阈值做比较：当小于指标阈值时，认为该值是与αi具有相同属性的稳定点；

(3)当计算到大于指标阈值的αi+k，同时αi+k≠αi+k+1时，停止计算，否则，继续计算；

(4)记录αi的同类的稳定点的最小和最大数据唯一标识码，并计算该稳定类中的稳定点的数量ni＝cm‑cd+1，将ci、ni、cd、cm存入特征向量(5)循环(2)～(4)，直至计算完成所有数据点。

7.如权利要求1所述的模态参数自动识别简化实用方法，其特征在于，所述的设定稳定点数量阈值，通过剔除不满足稳定点数量阈值的模态类实现稳定图自动识别，包括：设定稳定点数量阈值，根据特征矩阵第二列元素大小，选取大于数量阈值的行形成新的特征矩阵Φ′，或者根据特征矩阵Φ第二列元素由大到小重排矩阵，选取感兴趣的前n行形成新的特征矩阵Φ′；

判断特征矩阵Φ′任意两行后两列数据是否完全相同，如果有，则合并两行，并将第一列的元素设置为两行中的任意第一列元素；

根据最终的特征矩阵，从第一行开始，根据后两列元素，分别提取初始矩阵D中相应范围的数据，形成具有相似性的不同小类的数据集，达到稳定图识别的目的。