基于数字孪生的矿井提升机疲劳寿命实时智能预测方法

一种基于数字孪生的矿井提升机疲劳寿命实时智能预测方法，建立物理比例模型；建立数字孪生模型；将来自于物理比例模型的多源监测数据和提升机使用信息及来自于提升机有限元模型的仿真数据进行聚合得到原始聚合数据，再采用特征选择模型进行关键特征的提取；实体提升机的寿命预测，利用历史特征数据进行提升机寿命预测模型的训练，得到训练好的提升机寿命预测模型，再实时接收来自由物理比例模型的多源监测数据，进行提长机寿命的预测，得到预测结果和对应的调整控制决策，然后向提升机有限元模型实施调整控制决策，并根据仿真结果来调整预测精度，最终获得提升机疲劳寿命实时智能预测模型。该方法能够对矿井提升机疲劳寿命进行实时有效的预测。