1.一种千米深井提升机制动器可靠性智能评估与寿命预测方法，用于针对目标提升机制动器进行可靠性智能评估，其特征在于，通过如下步骤i至步骤ii，获得目标提升机制动器所对应的数字孪生模型，然后基于数字孪生模型，按预设第一周期时长执行如下步骤A至步骤H，实现对目标提升机制动器的实时可靠性评估；

步骤i.根据目标提升机制动器的各项结构参数、材料属性参数、以及制动工况参数，结合制动盘、制动闸瓦、蝶形弹簧之间的物理作用关系，建立目标提升机制动器所对应的三维结构有限元仿真模型，然后进入步骤ii；

步骤ii.基于指定正常制动工况与指定紧急制动工况下，根据目标提升机制动器与三维结构有限元仿真模型在制动闸瓦和制动盘接触所产生制动力矩的差异，针对三维结构有限元仿真模型参数，以及制动盘、制动闸瓦、蝶形弹簧之间的物理作用关系进行调整，获得目标提升机制动器所对应的数字孪生模型；

步骤A.检测获得目标提升机制动器对应指定各项结构参数、各项材料属性参数、各制动工况参数的数据、以及对应指定各制动性能参数的数据，并将该各个参数的数据映射到数字孪生模型中，实现与数字孪生模型中相应参数数据的同步更新，然后进入步骤B；

步骤B.分别针对各项结构参数、各项材料属性参数、以及各制动工况参数，建立数字孪生模型对应参数的一组随机数据，且该组随机数据分布满足步骤A所获目标提升机制动器对应该结构参数、材料属性参数、以及制动工况参数的概率分布；进而获得各项结构参数、各项材料属性参数、以及各制动工况参数之间不同随机数据的组合，即构成数字孪生模型所对应的各组随机参数组合，然后进入步骤C；

步骤C.分别针对指定正常制动工况与指定紧急制动工况，获得各指定工况下、数字孪生模型各制动性能参数分别对应各组随机参数组合下的随机响应；然后进入步骤D；

步骤D.分别针对各个制动性能参数，根据各指定工况下、数字孪生模型制动性能参数分别对应各组随机参数组合下的随机响应，以各组随机参数组合为输入，各组随机参数组合分别所对应该制动性能参数为输出，构建该制动性能参数所对应的训练数据样本库；然后进入步骤E；

步骤E.分别针对各个制动性能参数，根据制动性能参数所对应的训练数据样本库，构建各个制动性能参数分别所对应的模型函数，即各个制动性能参数分别所对应的随机响应面模型；然后进入步骤F；

步骤F.根据各个制动性能参数分别所对应的随机响应面模型，结合目标提升机制动器所对应各制动性能参数阈值，建立各个制动性能参数分别所对应的可靠性评估模型，然后进入步骤G；

步骤G.针对检测目标提升机制动器所获各制动工况参数的数据，根据各个制动性能参数分别所对应的可靠性评估模型，采用可知矩进行统计矩分析，进而采用基于可知矩的高阶矩逼近方法，获得各制动性能参数分别所对应的可靠性结果，即实现对目标提升机制动器的实时可靠性评估，然后进入步骤H；

步骤H.检测获得目标提升机制动器对应指定各制动工况参数的数据、以及对应指定各制动性能参数的数据，构建以各制动工况参数的数据为输入，对应各制动性能参数的数据为输出，并对应加入各制动性能参数分别所对应的训练数据样本库中，然后返回步骤E。

2.根据权利要求1所述一种千米深井提升机制动器可靠性智能评估与寿命预测方法，其特征在于：所述步骤G中，获得各制动性能参数分别所对应的可靠性结果后，针对各制动性能参数之间的相关性，应用copula函数针对各可靠性结果建立多失效模式相关下的系统可靠性模型，即获得目标提升机制动器所对应的综合可靠性结果。

3.根据权利要求1所述一种千米深井提升机制动器可靠性智能评估与寿命预测方法，其特征在于：基于所述数字孪生模型，还包括按预设第二周期时长执行如下步骤I至步骤III，实现对目标提升机制动器的寿命预测；

步骤I.针对当前时刻向历史时间方向的预设时长范围，获取该时长范围内各个时刻下目标提升机制动器对应指定各制动工况参数的数据，以及指定各涉及性能退化制动性能参数的数据，然后进入步骤II；

步骤II.分别针对各涉及性能退化制动性能参数，根据步骤I所获各时刻下目标提升机制动器涉及性能退化制动性能参数的数据，构建该涉及性能退化制动性能参数所对应的退化过程模型函数，即作为该涉及性能退化制动性能参数所对应的性能退化模型；进而获得各涉及性能退化制动性能参数分别所对应的性能退化模型，然后进入步骤III；

步骤III.根据各涉及性能退化制动性能参数分别所对应的性能退化模型，针对检测目标提升机制动器所获各制动工况参数的数据，获得各涉及性能退化制动性能参数分别所对应的寿命预测结果，即实现对目标提升机制动器的寿命预测。

4.根据权利要求3所述一种千米深井提升机制动器可靠性智能评估与寿命预测方法，其特征在于：所述步骤III中，获得各涉及性能退化制动性能参数分别所对应的寿命预测结果后，应用时变copula函数针对各寿命预测结果建立多退化过程相关下的寿命预测模型，即获得目标提升机制动器所对应的综合寿命预测结果。

5.根据权利要求3所述一种千米深井提升机制动器可靠性智能评估与寿命预测方法，其特征在于：所述步骤E中，分别针对各个制动性能参数，根据制动性能参数所对应的训练数据样本库，应用机器学习方法，构建该制动性能参数所对应的模型函数，即该制动性能参数所对应的随机响应面模型；进而获得各个制动性能参数分别所对应的随机响应面模型，然后进入步骤F；

所述步骤II中，分别针对各涉及性能退化制动性能参数，根据步骤I所获各时刻下目标提升机制动器涉及性能退化制动性能参数的数据，应用机器学习方法，构建该涉及性能退化制动性能参数所对应的退化过程模型函数，即作为该涉及性能退化制动性能参数所对应的性能退化模型。

6.根据权利要求3所述一种千米深井提升机制动器可靠性智能评估与寿命预测方法，其特征在于：所述各涉及性能退化制动性能参数包括制动盘裂纹、各制动闸瓦磨损、各蝶形弹簧刚度。

7.根据权利要求1所述一种千米深井提升机制动器可靠性智能评估与寿命预测方法，其特征在于：所述步骤ii中包括如下步骤ii‑1至步骤ii‑4；

步骤ii‑1.分别针对指定正常制动工况与指定紧急制动工况，获得目标提升机制动器在工况下制动闸瓦与制动盘接触所产生的制动力矩，然后进入步骤ii‑2；

步骤ii‑2.分别针对与步骤ii‑1相同的指定正常制动工况与指定紧急制动工况，获得三维结构有限元仿真模型在工况下制动闸瓦与制动盘接触所产生的制动力矩，然后进入步骤ii‑3；

步骤ii‑3.针对指定正常制动工况下、三维结构有限元仿真模型所对应制动力矩与目标提升机制动器所对应制动力矩之间的差值，以及指定紧急制动工况下、三维结构有限元仿真模型所对应制动力矩与目标提升机制动器所对应制动力矩之间的差值，判断两个差值是否均符合预设差值阈值范围内，是则三维结构有限元仿真模型即构成目标提升机制动器所对应的数字孪生模型；否则进入步骤ii‑4；

步骤ii‑4.根据步骤B3中所判断的两个差值，针对三维结构有限元仿真模型参数，以及制动盘、制动闸阀、蝶形弹簧之间的物理作用关系进行调整，更新三维结构有限元仿真模型，然后返回步骤ii‑2。

8.根据权利要求1所述一种千米深井提升机制动器可靠性智能评估与寿命预测方法，其特征在于：所述步骤A中，检测获得目标提升机制动器对应指定各项结构参数、各项材料属性参数、各制动工况参数的数据、以及对应指定各制动性能参数的数据后，针对目标提升机制动器对应指定各项结构参数、各项材料属性参数、各制动工况参数的数据、以及对应指定各制动性能参数的数据，分别执行滤波处理，然后将该各个参数的数据映射到数字孪生模型中。

9.根据权利要求1至8中任意一项所述一种千米深井提升机制动器可靠性智能评估与寿命预测方法，其特征在于：所述制动工况参数包括提升载荷、制动初速度、制动次数、制动力，所述制动性能参数包括制动盘温度、闸瓦温度、制动盘变形量、闸瓦磨损量、蝶形弹簧刚度。