1.一种基于车载和云端的列车故障诊断系统，其特征在于：该系统包括车载故障诊断子系统和云端故障诊断子系统；
所述车载故障诊断子系统包括车载数据采集模块、实时故障诊断模块和云诊断模块；所述云端故障诊断子系统包括云端数据采集模块、数据存储模块、数据处理模块、故障诊断与预测模块和数据可视化模块；
所述车载数据采集模块用于对列车的运行数据进行采集；
所述实时故障诊断模块用于在列车运行过程中对列车进行实时故障诊断与预测；
所述云诊断模块用于调用云端故障诊断子系统所提供的故障诊断服务对列车进行辅助式故障诊断，即一方面对车载实时故障诊断模块的诊断结果与云端故障诊断子系统的故障诊断结果进行对比，并将对比结果进行显示；另一方面当对比结果表明所述车载故障诊断子系统出现重大故障的漏报或错报时，通过设定数据传输优先级，优先传递诊断指令和数据，利用云诊断模块进行快速辅助诊断；
所述云端数据采集模块，一方面用于采集列车运行过程中通过列车网络传输的列车运行的实时数据，另一方面用于采集列车运行结束后列车运行的历史数据；
所述数据存储模块用于将云端数据采集模块所采集的数据进行数据清洗、数据转换和数据压缩，并将数据按不同数据类型存入对应数据存储系统；所述数据清洗包括数据补缺、数据替换和数据格式规范化；所述数据转换包括数据拆分、数据排序、数据去重和数据验证；所述数据压缩用于压缩原始数据，以节约存储空间；
所述数据处理模块包括计算框架子模块、查询子模块、数据统计子模块和算法库子模块；
所述计算框架子模块包括实时流式计算框架和非实时批处理计算框架，所述实时流式计算框架用于实时数据流的计算，所述非实时批处理计算框架用于计算非实时历史数据；
所述查询子模块用于查询列车运行实时和历史数据；
所述数据统计子模块用于对列车运行的历史数据进行统计处理；
所述算法库子模块用于管理数据处理的算法；
所述故障诊断与预测模块包括模型建立子模块、模型评估子模块、模型管理子模块和故障诊断与预测服务子模块；
所述模型建立子模块用于利用列车历史运行数据构建故障诊断与预测模型；
所述模型评估子模块用于对故障诊断与预测模型的诊断与预测效果进行评估；
所述模型管理子模块用于管理模型建立子模块所构建的所有历史故障诊断与预测模型；
所述故障诊断与预测服务子模块用于提供和监控故障诊断与预测云服务；
所述数据可视化模块用于显示各类数据处理操作的结果，包括查询结果、统计结果、计算结果和故障诊断结果。
2.一种基于车载和云端的列车故障诊断方法，通过权利要求1所述的一种基于车载和云端的列车故障诊断系统实现，其特征在于：该方法具体步骤如下：
步骤1、车载数据采集模块中的历史数据通过网络上传至云端数据采集模块，云端数据采集模块对列车数据进行采集；
步骤2、对上传到云端数据采集模块中的原始数据进行数据清洗和转换后，再进行数据存储，具体包括以下步骤：
步骤2.1、利用ETL(Extract-Transform-Load)工具对上传到云端数据采集模块中的原始数据进行数据补缺、数据替换和数据格式规范化的数据清洗操作，以及数据拆分、数据排序、数据去重和数据验证的数据转换操作；
步骤2.2、将清洗、转换后的数据存储到对应的数据存储系统，具体为：
步骤2.2.1、将结构化数据保存到数据库；
步骤2.2.2、将非结构化数据保存到文件系统；
步骤3、利用列车的历史运行数据对云端原有的故障诊断与预测模型进行评估，并构建新的故障诊断与预测模型，具体包括以下步骤：
步骤3.1、模型评估子模块利用列车新上传至云端数据采集模块的历史数据对云端故障诊断子系统原有的故障诊断与预测模型进行评估，若有误报或漏报情况，则执行步骤3.2，否则直接执行步骤5；
步骤3.2、利用列车新上传至云端数据采集模块的历史数据以及云端数据存储系统中原有的历史数据建立新的故障诊断与预测模型，将该模型设定为最优模型，并将该模型存储到模型管理子模块；
步骤3.3、构建供车载故障诊断子系统远程访问的云端故障诊断服务接口，执行步骤4；
步骤4、列车运行之前，对车载故障诊断子系统的实时故障诊断模块中的故障诊断与预测模型进行更新，具体包括以下步骤：
步骤4.1、在列车运行之前，云端故障诊断子系统对车载故障诊断子系统的实时故障诊断模块中的故障诊断与预测模型进行检验，判断该模型是否是故障诊断与预测效果最优的模型；若该模型不是故障诊断与预测效果最优的模型，则执行步骤4.2，对车载故障诊断子系统的实时故障诊断模块中的故障诊断与预测模型进行更新，若该模型是故障诊断与预测效果最优的模型，则执行步骤5；
步骤4.2、判断是否需要更新实时故障诊断模块中的故障诊断与预测模型整体才能使该模型达到最优，若否，即只需对实时故障诊断模块中的故障诊断与预测模型的相关参数进行更新就能使该模型达到最优，则执行步骤4.2.1，若是，则执行步骤4.2.2；
步骤4.2.1、列车车载故障诊断子系统的实时故障诊断模块中的故障诊断及预测模型相比于云端故障诊断子系统的故障诊断与预测模块中的诊断与预测效果最优的模型，只需更改部分参数，则更改模型的相关参数；
步骤4.2.2、列车车载故障诊断子系统的实时故障诊断模块中的故障诊断与预测模型相比于云端故障诊断子系统的故障诊断与预测模块中诊断与预测效果最优的模型，需要将效果最优的模型整体下载到车载故障诊断子系统，若车载故障诊断子系统的硬件计算资源能有效的支持云端故障诊断子系统所构建的故障诊断与预测效果最优的模型的运算，则执行步骤4.2.2.1；若车载故障诊断子系统的硬件计算资源无法支持云端故障诊断子系统所构建的最新故障诊断与预测模型的运算，则执行步骤4.2.2.2；
步骤4.2.2.1、将云端故障诊断子系统所构建的最优故障诊断与预测模型的完整模型直接下载到列车车载故障诊断子系统中；
步骤4.2.2.2、对云端故障诊断子系统所构建的复杂的最新故障诊断与预测模型故障诊断模型进行约简，构建约简后的故障诊断与预测模型，并将其下载到列车车载故障诊断子系统中；
步骤5、车载故障诊断子系统对列车进行实时故障诊断，具体包括以下步骤：
步骤5.1、车载数据采集模块将所采集的实时数据传输给实时故障诊断模块和云诊断模块；
步骤5.2、实时故障诊断模块利用实时采集的数据对行驶中的列车进行实时故障诊断，将故障诊断结果传输给云诊断模块；
步骤5.3、云诊断模块利用实时数据通过调用云端故障诊断子系统所提供的故障诊断与预测服务接口对列车进行故障诊断，具体方法为：
步骤5.3.1、云端数据采集模块对列车运行过程中通过网络上传的实时数据进行采集；
步骤5.3.2、利用ETL工具对步骤5.3.1中采集的实时数据进行数据清洗和数据转换操作后，存储到对应的数据存储系统；
步骤5.3.3、云端故障诊断子系统响应远程故障诊断服务请求，具体响应过程为：
步骤5.3.3.1、云端故障诊断子系统的故障诊断与预测模型对步骤5.3.2中进行清洗和转换后的列车运行数据进行分析和故障诊断；
步骤5.3.3.2、将故障诊断结果返回到车载故障诊断子系统的云诊断模块；
步骤5.4、云诊断模块将通过调用云端故障诊断与预测服务所形成的诊断结果与步骤5.2中车载故障诊断子系统中的实时故障诊断模块所形成的诊断结果进行比对，并进行提示；若结果对比发现车载故障诊断子系统中的实时故障诊断模块针对重大故障有漏报或错报，则执行步骤5.4.1；若结果对比没有发现有漏报或错报，则直接执行步骤5.4.4；
步骤5.4.1、车载故障诊断子系统通过云诊断模块提升调用云端故障诊断与预测服务进行故障诊断与预测及与云端通讯的优先级；
步骤5.4.2、车载故障诊断子系统通过云诊断模块提高调用云端故障诊断与预测服务进行故障诊断与预测及与云端通信所占用的带宽，优先传递诊断指令和数据；
步骤5.4.3、云诊断模块调用云端故障诊断子系统所提供的服务进行快速辅助诊断；
步骤5.4.4、云诊断模块将故障诊断结果进行及时提示；
步骤6、列车运行结束后将本次列车的历史数据上传到云端数据采集模块。