1.一种基于人在回路的铁路机车柴油机自适应健康诊断系统，其特征是，包括工况切分模块、去重检测模块、模型训练模块、异常检测模型模块四个模块以及离线训练流程、在线推理流程两个步骤；
2.根据权利要求1所述的基于人在回路的铁路机车柴油机自适应健康诊断系统，其特征是，所述工况切分模块将柴油机在不同工作模式划分为不同的手柄档位，根据上述手柄档位数据将时序数据切分为各个档位下的数据；对当前档位区间内的时序数据，从区间最左侧开始对柴油机实际功率施加统计滑窗，若当前滑窗内的功率均值落在特定时间t之后的统计窗口的均值±95％统计区间时，认为开始进入稳态区间，并将当前时刻滑窗向后移动t时刻，并重复上述过程，直到当前时刻滑窗内功率均值超出t时刻后滑窗统计区间或者当前滑窗已经到达当前档位区间的末尾；若当前滑窗内的功率均值未落在特定时间t之后的统计窗口的均值±95％统计区间时，认为尚未进入稳态区间，则将当前时刻滑窗向后移动1个时刻，并重复上述过程，直至当前档位区间末尾。
3.根据权利要求1所述的基于人在回路的铁路机车柴油机自适应健康诊断系统，其特征是，所述异常检测模型模块包括算法处理、异常分数和异常判断；所述算法处理是通过调用异常检测模型，从工况切分后的时间序列片段xi中提取特征yi，并利用模型中的自编码器对数据片段重建生成算法特征拼接后得一个向量信号所述异常分数将向量信号q映射到半径为1的球体中，计算其与mysql数据库中正常信号映射值的距离即为该片段数据的异常分数，将生成的异常分数写入mysql数据库；所述异常判断将生成的异常分数与mysql数据库中人工预先定义的阈值对比判断是否存在异常。
4.根据权利要求3所述的基于人在回路的铁路机车柴油机自适应健康诊断系统，其特征是，所述异常检测模型模块中的异常检测模型与模型训练模块中的模型都由特征提取器、时序编码器、时序解码器和投影层组成；所述特征提取器通过一维卷积网络提取时间序列片段xi中的特征yi；所述时序编码器、时序解码器通过循环神经网络提取出时空相关特征zi、重构信号为所述yi和经过映射到投影层的高维球体表面，分别为向量vi和向量则向量所述损失函数的目标为最大化向量vi、向量和向量ce的余弦相似度，即异常分数
5.根据权利要求4所述的基于人在回路的铁路机车柴油机自适应健康诊断系统，其特征是，所述异常分数与mysql数据库中人工预先定义的阈值对比判断，设阈值为c，大于c则异常，小于c则正常。
6.根据权利要求1所述的基于人在回路的铁路机车柴油机自适应健康诊断系统，其特征是，所述去重检测模块将工况切分后时间序列片段，利用sax算法把多维时间序列数据的每个通道都映射为字符串，然后将其重建为等长度跨维度词句，与历史数据集比较相似度并按照人工预设阀值排除重复数据片段，去重检测后的新样本通过哈希算法生成数字签名写入redis数据库并生成新样本写入mysql数据库。