(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111548732.0 (22)申请日 2021.12.17 (71)申请人 中国矿业大 学 （北京） 地址 100083 北京市海淀区学院路丁1 1号 (72)发明人 张帆　 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/10(2020.01) G06F 119/04(2020.01) (54)发明名称 一种基于数字孪生的矿山液压支架疲劳寿 命预测方法 (57)摘要 本发明公开了一种基于数字孪生的矿山液 压支架疲 劳寿命预测方法， 首先利用solidwork s 软件建立液压支架系统的整体仿真模 型， 并采用 ANSYS有限元分析 获得液压支架顶梁相关状态参 数与疲劳寿命值的相关数据集， 同时划定状态参 数与寿命值的取值范围； 然后利用ANSYS  Twin  Builder构建高置信度的数字孪生验证模型， 并 根据矿山液压支架顶梁的屈服强度和本构关系 等真实的边界条件验证与优化有限元仿真模型； 将通过ANSYS 有限元分析得到的数据集划分为训 练集与测试集， 通过LS TM神经网络对得到的训练 集进行训练， 完成训练后利用测试集进行测试评 估， 以确定液压支架顶梁的疲劳寿命预测模型， 从而据此实现对矿山液压支架顶梁疲劳寿命的 准确预测。 权利要求书2页 说明书5页 附图3页 CN 114254457 A 2022.03.29 CN 114254457 A 1.一种基于数字孪生的矿山液压支架疲劳寿命预测方法， 其特征在于， 所述方法采用 数字孪生技术和 循环神经网络， 建立液压支架的仿真模型、 数字孪生验证模型和LSTM神经 网络疲劳寿命预测模型， 通过优化调整预测模型， 最终得到矿山液压支架疲劳寿命的预测 值； 所述方法的实现步骤 包括： 1‑1.利用ANSYS建立矿山液压支架仿真模型， 并采用ANSYS有限元分析获得矿山液压支 架相关状态参数与疲劳寿命值的相关数据集、 确定状态参数与寿命值的取值范围； 1‑2.利用ANSYS  Twin Builder建立高置信度的矿山液压支 架数字孪生验证模型； 1‑3.利用LSTM序列数据和LSTM神经网络建立矿山液压支 架疲劳寿命预测模型； 1‑4.根据矿山液压支架顶梁的屈服强度和本构关系的真实边界条件， 进一步验证、 优 化有限元分析的矿山液压支 架仿真模型； 1‑5.将ANSYS有限元分析得到 的数据集划 分为训练集与测试集， 利用LSTM神经网络对 训练集进行训练； 1‑6.利用测试集对LSTM神经网络疲劳寿命预测模型进行测试验证， 以确定矿山液压支 架顶梁的疲劳寿命预测模型； 1‑7.利用步骤1 ‑2构建的矿山液压支架数字孪生验证模型， 根据顶梁的屈服强度和本 构关系边界条件， 进一 步修正、 优化基于有限元分析的矿山液压支 架仿真模型； 1‑8.重复步骤1 ‑3～步骤1 ‑6， 完成对 矿山液压支 架疲劳寿命的准确预测。 2.根据权利要求1所述的方法， 其特征在于， 所述方法基于LSTM循环神经网络构建矿山 液压支架 疲劳寿命预测模 型， 该神经网络包含输入层、 隐含层和输出层， 隐含层层数为2， 输 入层神经 元个数为5， 隐含层的神经 元个数为8， 输出层神经 元个数为1。 3.根据权利要求1所述的方法， 其特征在于， 所述方法利用数据驱动的仿真模型对神经 网络预测模型数据进行建模并进行决策， 利用历史数据对模型进行训练， 再利用采样得到 的实时数据导入 模型进行寿命预测； 包括如下步骤： 3‑1.数据标准化， 首先将基于ANSYS有限元分析软件所得到的疲劳寿命值进行数据标 准化处理； 3‑2.建立训练集和测试集， 将处理后的数据集划分为训练集与测试集， 训练集用来对 模型进行训练， 测试集则用来对 模型的训练结果进行测试； 3‑3.建立矿山液压支架疲劳寿命的LSTM循环神经网络预测模型， 模型的调整优化基于 顶梁实时数据的不断更新， 数字孪生技术能为预测模型提供矿山液压支架顶梁的实时状参 数， 从而提高预测值的准确度。 4.根据权利要求1所述的方法， 其特征在于， 所述方法基于高置信度仿真模型建立矿山 液压支架数字孪生验证模型， 基于数字孪生技术和真实的边界条件， 利用数据融合、 深度学 习和数据孪生的交 互映射， 实现对 矿山液压支 架仿真模型进行优化。 5.根据权利要求1所述的方法， 其特征在于， 所述方法的矿山液压支架数字孪生验证模 型采用物理模型、 虚拟模型、 孪生数据、 云孪生平台架构； 其中， 物理模型是矿山液压支架数字孪生模型的构建基础， 包含设备部件的材料属性、 几何 参数及实时监控数据和多源传感数据； 虚拟模型是矿山液压支架物理模型的数字化表达， 是多物理、 多尺度的概率仿真模型权　利　要　求　书 1/2 页 2 CN 114254457 A 2的集合体， 对应于物理实体在几何、 结构和性质相同的虚拟数字孪生体， 并通过矿山工业物 联网与物理模型 连接， 并实现信息的双向交 互与映射； 孪生数据同步映射并包含物 理模型的一切相关数据信 息， 为矿山液压支架仿真模型提 供真实的边界条件和数据支撑， 并通过实时更新数据、 调整参数优化仿 真模型， 实现模型的 迭代优化； 云孪生平台主要包含智能监控、 故障检测与寿命预测云服务模块， 面向矿山不同操作 用户需求， 基于边缘计算、 大数据分析和人工智能算法为矿山液压支架疲劳寿命预测模型 优化提供技术支撑。 6.根据权利要求1所述的方法， 其特征在于， 所述方法利用压力传感器、 倾角传感器、 行 程传感器获取矿山液压支架的多源传感信息， 通过机器视觉、 可视化技术和边缘计算， 在集 控中心对工作面场景 下矿山液压支 架的位姿、 状态数据与图像实时展现在服 务监测平台。权　利　要　求　书 2/2 页 3 CN 114254457 A 3