1.一种电源故障诊断系统，其特征在于：包括：

历史数据存储模块，包括历史采集数据库、专家知识诊断数据库和模型数据库，所述专家知识诊断数据库内包括历史故障诊断数据；

样本训练模块，包括样本数据集和模型生成单元，所述历史采集数据库、专家知识诊断数据库和模型生成单元均与样本数据集连接，所述模型生成单元通过样本训练生成决策树诊断模型；

诊断模型迁移模组，包括均与模型数据库连接的教师诊断模块、迁移训练单元和学生诊断模块，所述决策树诊断模型生成后存入教师诊断模块，所述教师诊断模块连接迁移训练单元，所述迁移训练单元连接学生诊断模块，所述迁移训练单元通过根据可逆跳马尔科夫蒙特卡洛算法计算类别目标函数的全局最优解自动确定类别数，具体包括：设定迭代次数并构建混合转移核，所述混合转移核包括生成函数、删除函数、分裂函数、组合函数和转移函数，每次迭代中通过混合转移核遍历向量型样本数据集进行生成、删除、分裂、组合和转移，直至类别数量最优解稳定为固定值；所述迁移训练单元根据类别数量最优解对教师诊断模块内的决策树诊断模型进行迁移和参数压缩，生成学生诊断模型并存入学生诊断模块；

数据处理模块，所述数据处理模块连接学生诊断模型，所述数据处理模块用于将采集的数据进行处理，使其与样本数据集的格式相同；

数据采集模块，所述数据处理模块还连接数据处理模块，所述数据采集模块用于采集整个电源系统的多类型数据。

2.根据权利要求1所述的电源故障诊断系统，其特征在于：还包括显示模块，所述显示模块连接学生诊断模块，用于显示故障诊断结果。

3.根据权利要求1所述的电源故障诊断系统，其特征在于：所述数据采集模块包括设于电源系统内的温度传感器、湿度传感器、音频传感器、电压采样单元和电流采样单元，所述温度传感器和湿度传感器分别用于实时采集电源系统的温度和湿度，所述音频传感器用于采集电源系统内或输出端的噪声数据，所述电压采样单元和电流采样单元分别用于采集电源系统中的输出电压数据和输出电流数据或检测端的电压数据和电流数据。

4.根据权利要求2或3所述的电源故障诊断系统，其特征在于：所述数据处理模块包括频谱分析单元和测试数据集，所述频谱分析单元对数据采集模块的数据进行初步分析，并根据学生诊断模块的参数结构形成测试数据集。

5.一种使用如权利要求1所述的电源故障诊断系统的诊断方法，其特征在于：包括如下步骤：S1.样本训练模块向专家知识诊断数据库中采集样本数据，采集专家诊断定性的多种电源故障类型；在历史采集数据库中根据多种电源故障类型采集电源故障对应的电源故障表现数据，包括温湿度数据、噪声数据、采样电压值、采样电流值，将电源故障表现数据与电源故障类型集合，生成向量型样本数据集；

生成向量型样本数据集时，采集的温度数据、湿度数据和噪声数据设于向量型样本数据集的前排，以优先诊断因外界环境因素造成的电源故障；

S2.采用决策树算法，计算信息熵 或基尼指数 对样本数据集进行样本训练，生成决策树，进行剪枝后存入教师诊断模块中，信息熵 和基尼指数 的计算公式如下：，

，

其中，c为电源故障类型数目，t为决策树的节点数，P为c的相对概率；

S3.迁移训练单元中，根据可逆跳马尔科夫蒙特卡洛算法，在电源故障表现数据集中寻找类别数量最优解；具体包括：设定迭代次数且构建混合转移核，所述混合转移核包括生成函数、删除函数、分裂函数、组合函数和转移函数，每次迭代中通过混合转移核遍历向量型样本数据集进行生成、删除、分裂、组合和转移，直至类别数量最优解稳定为固定值；

S4.根据步骤S3中的类别数量最优解，对步骤S2中的决策树进行裁剪、压缩，得到学生诊断决策树，并存入学生诊断模块中；

S5.数据采集模块进行数据采集；

S6.数据处理模块根据步骤S3中的类别数量最优解，将步骤S5中采集的数据生成测试数据集，并通过学生诊断决策树进行诊断，并通过显示模块进行故障类型显示。

6.根据权利要求5所述的电源故障诊断系统的诊断方法，其特征在于：步骤S1中，向量型样本数据集的数据量小于等于历史数据存储模块中的数据量的三分之二。

7.根据权利要求5所述的电源故障诊断系统的诊断方法，其特征在于：步骤S2中，所述决策树包括根节点、分支、子节点和叶节点，所述叶节点用于表示电源故障诊断类型，所述样本数据集设于根节点，所述分支用于表示每个电源故障表现数据类型的属性范围，从根节点包含的样本数据集根据分支的属性范围的测试结果被划分到子节点中。