由于卸料后带面清扫效果不稳定，矿用胶带输送机在长期运行过程中，常面临带面物料粘结、扬尘和撒料等问题，直接影响了运输安全性能及能量高效利用。针对这一问题，提出了一种基于数字孪生技术（DT）的高效、环保的智能胶带输送系统。在虚拟实体中，应用在线极限学习机（OS-ELM）构建清扫力实时预测模型，以物理反馈数据作为该模型的输入参数；在物理实体中，结合力学模型、工程领域的知识与经验和运行数据计算出实际清扫力。并基于当前时刻清扫力预测值制定下一时刻清扫执行机构的调度方案，实现对物理实体的精准控制。为保证调度过程实时性，该方案中的参数优化采用改进鲸鱼优化算法（IWOA），以较高收敛速率获取全局最优解。本研究以撒料量、关键部件磨损情况、清扫机构总功率和清扫力预测准确率作为DT系统性能的评价指标，在多工况下与多组主流优化算法对比验证该系统性能，并通过Sobol和Fast两种敏感性分析方法验证预测模型输入参数合理性。实验结果表明，基于DT的智能输送系统中煤炭撒料量低于100g/min，刀片磨损率下降了8.99%，实际功率降低了8.61%，清扫力预测的MAPE和RMSE分别为3.2748%和0.017。该DT系统建立了虚拟与现实之间动态信息交互映射，实现了胶带输送系统清扫力的实时精准获取并合理调度多级清扫执行机构，有效减少了设备维护工人的工作量和环境污染问题的发生，显著提升了输送设备的安全性和稳定性。

0引言
1 DT系统搭建
1.1结构分析
1.2数据集构建及预处理
1.2.1决策端数据集构建
1.2.2执行端数据集构建
1.3基于数字孪生的优化调度模型
2基于DT的优化调度模型构建
2.1基于OS-ELM的清扫力预测模型
2.2智能胶带输送系统力学模型分析
2.3调度指令实时优化机制
2.3.1调度方案
2.3.2目标函数
3基于DT与物理实体相互作用的迭代优化
4结果与讨论
4.1清扫力预测模型
4.2清扫器控制性能验证
4.3算法性能对比
4.4敏感性分析
5结论