1.一种桥梁状态监测方法，其特征在于，所述方法包括：

获取实时桥梁监测数据，并对所述实时桥梁监测数据进行分类处理，以生成若干监测数据集；

通过DTW算法对若干所述监测数据集进行序列化处理，以生成若干对应的特征序列，每一所述特征序列均包括若干特征因子；

基于第一预设算法对若干所述特征因子进行聚类分析处理，以生成若干对应的聚类矩阵，并根据若干所述聚类矩阵计算出与所述实时桥梁监测数据对应的桥梁状态值，所述桥梁状态值具有唯一性，所述第一预设算法为K均值聚类算法；

通过第二预设算法将所述桥梁状态值转换为对应的标准监测值，并判断所述标准监测值是否在预设监测阈值内，所述第二预设算法为Burrows–Wheeler_transform数据转换算法；

若判断到所述标准监测值在所述预设监测阈值内，则判定所述实时桥梁监测数据对应的桥梁的状态良好；

所述获取实时桥梁监测数据，并对所述实时桥梁监测数据进行分类处理，以生成若干监测数据集的步骤包括：当获取到所述实时桥梁监测数据时，识别出所述实时桥梁监测数据中的结构化数据以及非结构化数据，并将所述结构化数据以及所述非结构化数据均存储至MySQL关系型数据库中；

在所述MySQL关系型数据库中对所述结构化数据进行分类处理、对所述非结构化数据进行过滤处理，以生成若干所述监测数据集。

2.根据权利要求1所述的桥梁状态监测方法，其特征在于：所述方法还包括：当获取到所述标准监测值时，将所述标准监测值输入至所述DTW算法的预训练层中，并通过所述预训练层中的双向Transformer编码器对所述标准监测值进行耦合计算，以对所述DTW算法进行耦合训练。

3.根据权利要求1所述的桥梁状态监测方法，其特征在于：所述对所述实时桥梁监测数据进行分类处理，以生成若干监测数据集的算法为：其中， 表示监测数据集， 表示高斯混合分布的分类总数， 表示高斯混合分布中的某一类， 表示第 类高斯分布的概率密度， 表示第 类高斯分布的混合比例，且 。

4.根据权利要求1所述的桥梁状态监测方法，其特征在于：所述判定所述实时桥梁监测数据对应的桥梁的状态良好的步骤之后，所述方法还包括：根据所述标准监测值生成对应的监测报告，并将所述监测报告实时传输至显示终端，以在所述显示终端实时显示所述监测报告。

5.一种桥梁状态监测系统，其特征在于，所述系统包括：

获取模块，用于获取实时桥梁监测数据，并对所述实时桥梁监测数据进行分类处理，以生成若干监测数据集；

处理模块，用于通过DTW算法对若干所述监测数据集进行序列化处理，以生成若干对应的特征序列，每一所述特征序列均包括若干特征因子；

计算模块，用于基于第一预设算法对若干所述特征因子进行聚类分析处理，以生成若干对应的聚类矩阵，并根据若干所述聚类矩阵计算出与所述实时桥梁监测数据对应的桥梁状态值，所述桥梁状态值具有唯一性，所述第一预设算法为K均值聚类算法；

判断模块，用于通过第二预设算法将所述桥梁状态值转换为对应的标准监测值，并判断所述标准监测值是否在预设监测阈值内，所述第二预设算法为Burrows–Wheeler_transform数据转换算法；

执行模块，用于若判断到所述标准监测值在所述预设监测阈值内，则判定所述实时桥梁监测数据对应的桥梁的状态良好；

所述获取模块具体用于：

当获取到所述实时桥梁监测数据时，识别出所述实时桥梁监测数据中的结构化数据以及非结构化数据，并将所述结构化数据以及所述非结构化数据均存储至MySQL关系型数据库中；

在所述MySQL关系型数据库中对所述结构化数据进行分类处理、对所述非结构化数据进行过滤处理，以生成若干所述监测数据集。

6.根据权利要求5所述的桥梁状态监测系统，其特征在于：所述桥梁状态监测系统还包括训练模块，所述训练模块具体用于：当获取到所述标准监测值时，将所述标准监测值输入至所述DTW算法的预训练层中，并通过所述预训练层中的双向Transformer编码器对所述标准监测值进行耦合计算，以对所述DTW算法进行耦合训练。

7.根据权利要求5所述的桥梁状态监测系统，其特征在于：所述对所述实时桥梁监测数据进行分类处理，以生成若干监测数据集的算法为：其中， 表示监测数据集， 表示高斯混合分布的分类总数， 表示高斯混合分布中的某一类， 表示第 类高斯分布的概率密度， 表示第 类高斯分布的混合比例，且 。

8.根据权利要求5所述的桥梁状态监测系统，其特征在于：所述桥梁状态监测系统还包括显示模块，所述显示模块具体用于：根据所述标准监测值生成对应的监测报告，并将所述监测报告实时传输至显示终端，以在所述显示终端实时显示所述监测报告。