【技术实现步骤摘要】
本专利技术涉及发动机，具体是一种基于损伤模型的车辆用户大数据画像分析方法及系统。
技术介绍
1、用户画像是指通过收集一系列用户使用信息，如行驶区域、使用时长、使用频次等信息标签，进行归纳集合的一种方法。用户画像是一种关联目标用户使用和产品开发目标的有效工具，通过对历史产品的用户画像勾勒可以获得对某个细分产品应用的精准认知，能定量描述用户特征，为产品设计和验证提供针对性的服务。
2、目前主流的整车应用用户画像存在一些不足，如专利公开号“cn115221234a”公开一种基于动力总成数据对用户进行画像的方法及系统，主要以动力性、经济性为主要的分析载体进行聚类，没有落到发动机层面，且现客户所关心的可靠性缺少定量的评价方法，难以从用户端进行精准描述，发动机终端运行的数据利用率不足，识别的用户画像不准，无法通过用户画像针对性的从可靠性角度细分发动机应用场景和工作特征，如何提升用户画像的大数据聚类评价，也是行业里面迫切需要解决的问题。
3、公开于以上
技术介绍
部分的信息仅仅皆在增加对本专利技术总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
1、针对上述现有缺陷，本专利技术目的在于提供一种基于损伤模型的车辆用户大数据画像分析方法及系统，采集发动机在不同细分车型和使用区域下的运行数据，结合零部件失效损伤机理，进行用户画像聚类分析，确定基于零部件可靠性相关的典型用户场景和极端苛刻用户场景，针对性进行发动机零部件
2、本专利技术的技术方案如下：
3、一种基于损伤模型的车辆用户大数据画像分析方法，包括：
4、s1：预建车辆的运行特征分类矩阵，结合车辆实际的运行状况，基于分类矩阵进行特征提取，作为用户标签画像；
5、s2：根据发动机的失效场景，进行损伤分类定义、损伤关键因子定义和损伤关联参数定义，并根据用户标签画像所匹配的损伤关键因子，提取损伤关联参数；
6、s3：根据采集的关键损伤关联参数进行量化计算和累计分布归一化处理，得到损伤数据，根据损伤数据排序、聚类出表征发动机不同损伤分类的用户标签画像和代表性用户。
7、具体的，s1中车辆的运行特征包括：用户操作、外部使用环境、道路特征、整车驾驶任务剖面、载荷特征。
8、具体的，s2中损伤分类定义、损伤关联参数定义，包括：根据发动机零部件可靠性失效机理以及发动机功能不满足失效机理，对损伤分类、损伤关联参数进行定义，对损伤分类与用户标签进行关联。
9、具体的，s3中进行量化计算和累计分布归一化处理，包括以下步骤：
10、s301：应用零部件损伤模型公式，根据采集的关键损伤关联参数进行零部件失效伪损伤数据值计算；
11、s302：根据计算的伪损伤数据值，将所有同属损伤分类的数据进行累积分布计算，求累积分布值；
12、s303：定义不同损伤累积分布值的相对权重，并计算出不同用户的损伤加权因子，以此作为损伤数据。
13、本专利技术还公开一种基于损伤模型的车辆用户大数据画像分析系统，采用上述所述的方法，包括发动机ecu、t-box车载终端、云平台、客户端计算机，所述发动机ecu与t-box车载终端有线通讯连接，云平台分别与t-box车载终端、客户端计算机无线通讯连接，其中：所述发动机ecu用于记录车辆实际的运行状况数据，并过t-box车载终端传递到云平台存储；所述客户端计算机用于获取云平台所存储的车辆运行状况数据，并根据分类矩阵进行特征提取形成用户标签画像；所述客户端计算机还用于根据用户标签画像所匹配的发动机的损伤关键因子，提取发动机的损伤关联参数；所述客户端计算机还用于对损伤关联参数进行量化计算和累计分布归一化处理，得到损伤数据；所述客户端计算机还用于根据损伤数据排序、聚类出表征发动机不同类型失效的用户标签画像和代表性用户。
14、本专利技术的有益效果：
15、本专利技术通过发动机的故障失效与用户画像关联，创新在于从发动机的故障失效机理为原型，将物理失效转化的数学损伤模型应用于车载终端大数据中，进行数据的统计和分析，排序聚类出表征发动机不同类型失效的用户标签画像和代表性用户。此类用户的实际运行数据用来做为台架试验和设计仿真输入，做到开发验证和市场应用相统一。
本文档来自技高网...【技术保护点】
1.一种基于损伤模型的车辆用户大数据画像分析方法，其特征在于，包括：
2.根据权利要求1所述的一种基于损伤模型的车辆用户大数据画像分析方法，其特征在于，S1中车辆的运行特征包括：用户操作、外部使用环境、道路特征、整车驾驶任务剖面、载荷特征。
3.根据权利要求1所述的一种基于损伤模型的车辆用户大数据画像分析方法，其特征在于，S2中损伤分类定义、损伤关联参数定义，包括：根据发动机零部件可靠性失效机理以及发动机功能不满足失效机理，对损伤分类、损伤关联参数进行定义，对损伤分类与用户标签进行关联。
4.根据权利要求1所述的一种基于损伤模型的车辆用户大数据画像分析方法，其特征在于，S3中进行量化计算和累计分布归一化处理，包括以下步骤：
5.一种基于损伤模型的车辆用户大数据画像分析系统，采用如权利要求1-4所述的方法，其特征在于，包括发动机ECU、T-BOX车载终端、云平台、客户端计算机，所述发动机ECU与T-BOX车载终端有线通讯连接，云平台分别与T-BOX车载终端、客户端计算机无线通讯连接，其中：
【技术特征摘要】
1.一种基于损伤模型的车辆用户大数据画像分析方法，其特征在于，包括：
2.根据权利要求1所述的一种基于损伤模型的车辆用户大数据画像分析方法，其特征在于，s1中车辆的运行特征包括：用户操作、外部使用环境、道路特征、整车驾驶任务剖面、载荷特征。
3.根据权利要求1所述的一种基于损伤模型的车辆用户大数据画像分析方法，其特征在于，s2中损伤分类定义、损伤关联参数定义，包括：根据发动机零部件可靠性失效机理以及发动机功能不满足失效机理，对损伤分类、损伤关联参...
【专利技术属性】
技术研发人员：刘俊，邓建林，曾庆龙，秦川，李文祥，黎华文，蓝婷婷，马慧萍，
申请(专利权)人：广西玉柴机器股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。