1.一种基于云网互联的电子膨胀阀健康管理系统，其特征在于，包括：

数据采集模块：检测表征车载空调电子膨胀阀运行状态的数据；

数据校正模块：利用3D卷积神经网络CNN处理数据采集模块中的缺失值和异常值，处理后的数据传输至CPU模块；

CPU模块：用于接收数据校正模块处理后的数据，利用WIFI通信模块将数据上传至中央集成处理云平台中的数据管理及特征提取模块，与车载显示模块之间实现数据传输；

WIFI通信模块：用于实现CPU模块和中央集成处理云平台模块之间的数据传输；

中央集成处理云平台：包括数据管理及特征提取模块、健康诊断模块、决策管理模块；

所述数据管理及特征提取模块将数据校正模块校正后的流式数据进行保存，并进行输入特征提取，将与车载膨胀阀健康状态关系密切的特征进行保存以供健康诊断模块使用；所述健康诊断模块利用小龙虾优化算法对信息生成对抗网络模型InfoGAN参数进行寻优，输出车载空调电子膨胀阀故障诊断初步结果；并融合联邦迁移学习，建立全局模型，对初步结果聚合处理，形成最终诊断结果；所述决策管理模块将健康诊断模块的最终诊断结果保存，并对不同类型车载空调电子膨胀阀故障数据分类决策，并出具健康报告，将健康状态反馈给用户CPU模块；

车载显示模块：接收并显示从CPU模块接收的车载空调膨胀阀健康状态诊断结果。

2.根据权利要求1所述的一种基于云网互联的电子膨胀阀健康管理系统，其特征在于，所述电子膨胀阀运行状态的数据包括蒸发器饱和温度、冷凝器饱和温度、化霜温度、风扇工作电流强度和压缩机工作频率。

3.根据权利要求1所述的一种基于云网互联的电子膨胀阀健康管理系统，其特征在于，所述数据管理及特征提取模块包括多个数据集成服务器，每一个服务器代表不同的汽车品牌厂家，不同服务器保存不同用户数据，实现监测数据不共享。

4.根据权利要求1所述的一种基于云网互联的电子膨胀阀健康管理系统，其特征在于，所述健康诊断模块以特征提取后的蒸发器饱和温度、冷凝器饱和温度、化霜温度、风扇工作电流和压缩机频率数据为输入，对电子膨胀阀的泄露、噪声、电机失步、阀门误动作进行识别与诊断。

5.根据权利要求1所述的一种基于云网互联的电子膨胀阀健康管理系统，其特征在于，所述健康诊断模块利用小龙虾优化算法对信息生成对抗网络模型InfoGAN参数寻优实现过程如下：对infoGAN的重要参数进行优化，包括生成器和判别器的网络结构、学习率和正则化系数，infoGAN模型的重要参数对应小龙虾优化算法中的小龙虾的位置；通过小龙虾不同的行为，不断的更新位置，算法不断迭代循环，以膨胀阀泄露、噪声、电机失步、阀门误动作的诊断精度为优化目标，得到每个的小龙虾最佳位置，输出最优解，也就是优化后的infoGAN模型的最优网络结构、学习率和正则系数；

首先对小龙虾优化算法对每只小龙虾的位置进行初始化，也就是对infoGAN的模型的生成器和判别器的网络结构、学习率和正则化参数进行初始化，然后小龙虾根据不同行为，进行更新位置，公式如下：Xi,j＝lbj+(ubj‑lbj)×rand

式中，个体i＝1，2，…M；维度j＝1，2，…dim；Xi,j是个体i在j维度的位置；lbj表示第j维变量的下界；ubj表示第j维变量的上界；rand是[0,1]之间的随机数；

探索阶段，当T＞30℃时，位置更新公式如下：

式中，Xβ为随迭代获得的全局最优位置；Xη为当前种群的最优位置；Xα为进洞避暑的位置；其中温度的判别公式为：T＝rand×15+20；

探索阶段出现小龙虾争夺洞穴的现象，其位置更新公式如下：

式中，当rand＜0.5时，不会出现争夺洞穴的现象；t为当前迭代次数；t+1为下一次迭代次数； 为迭代的第t+1次时个体i在j维度的位置； 为迭代的第t次时个体i在j维度的位置；C2为下降曲线C2＝2‑(t/T)；

开发阶段，当T＞30℃且rand≥0.5时，会进入竞争阶段，其位置更新公式如下：式中，z表示小龙虾随机个体由公式z＝round(rand×(M‑1))+1，每个小龙虾会彼此竞争，并且小龙虾的Xi会基于另一只小龙虾的Xz的位置做出改变；

开发阶段，当T＜30℃时，进入觅食阶段，判断食物大小，界定公式如下：式中，Q为C3＝3为食物因子；fi为第i个小龙虾的适应度值；ffood为食物位置适应度值；

而小龙虾对食物的大小判断源自于最大食物的大小；

当 时，表示食物太大，小龙虾会用第一只爪足撕咬食物，公式为：

当食物变小后，小龙虾采用第二只爪足和第三只爪足交替进食，此过程利用正弦函数和余弦函数来模拟，公式如下：式中，p为觅食摄入量，定义式为： μ为最适合小龙虾的

温度；σ和C1用于控制不同温度下的小龙虾摄入量；

当 时，直接进食，公式如下：

通过温度调节探索和开发过程，有效的提高全局优化能力，具有较高的随机性，能更好的提高搜索精度，降低误差率。

6.根据权利要求1所述的一种基于云网互联的电子膨胀阀健康管理系统，其特征在于，所述车载空调电子膨胀阀故障诊断初步结果实现过程如下：将数据管理及特征提取模块获取的数据输入优化后的infoGAN模型中，采集特征提取后的蒸发器饱和温度、冷凝器饱和温度、化霜温度、风扇工作电流和压缩机频率数据，并将其传输至生成器G中，将G的生成数据分别传输至鉴别器D和分类器C中，由分类器C重新提取得到输出c并生成结果x，对故障进行分类；

首先得到固定特征c和随机变量e传输至生成器，得到样本G(e,c)，得目标函数如下：minGmaxDV1(D,G)＝V(D,G)‑λI(c；G(e,c))式中，V1(D；G)为infoGAN模型的目标函数；V(D；G)为GAN模型的目标函数；λ为超参数；函数中的I(c；G(e,c))中存在难以计算的边缘概率，加入一个近似分布F1(G,Q)代替它，表示生成器G和分类器C的输出c之间的互信息，计算公式如下：minG,QmaxDV1(D,G,Q)＝V(D,G)‑λF1(G；Q)式中，E为期望；x为模型输入e和c；P(c)为c的概率分布；H(c)为c的信息熵；Q(c|x)为辅助网络Q；PG(e,c)为x的概率分布。

7.根据权利要求1所述的一种基于云网互联的电子膨胀阀健康管理系统，其特征在于，所述健康诊断模块中融合联邦迁移学习是利用多个汽车用户和集成服务器，协同建立一个全局模型，具体为：通过K个汽车用户参与联邦，所有建模任务可视作对损失函数的优化过程，损失函数为多个汽车用户对应infoGAN诊断模型诊断误差累加，损失函数用min(f(α))表示，f(α)为当前任务的infoGAN模型全局诊断误差，α为当前infoGAN模型参数；

联邦迁移学习不需要集中数据，联邦迁移学习目标函数定义为：

式中，Fi(α)为一种品牌汽车中的第i个用户的故障损失，其计算模型为小龙虾改进算法优化后的InfoGAN模型；ni为第i个车载空调电子膨胀阀的总样本量。