多算法融合的商用车关键零部件识别方法、系统及设备

本发明提供多算法融合的商用车关键零部件识别方法、系统及设备，所述方法包括：基于FMECA方法对商用车各系统零部件进行失效模式分析，结合不同工况条件计算RPN值，筛选出高风险候选零部件；构建以零部件属性、工况特征及运行数据为输入的XGBoost模型，训练模型预测零部件失效对整车疲劳寿命的影响程度，并计算特征重要性得分；然后，将FMECA的RPN值与XGBoost的特征重要性得分进行最小‑最大归一化处理，采用加权融合方式计算零部件的关键度得分；最后，根据关键度得分排序，识别出对整车疲劳寿命影响最大的关键零部件。本发明融合数据驱动与工程经验，具有识别精度高、可解释性强、适应性广的优点，可广泛应用于商用车设计、制造、维修及健康管理等领域。