铸造业是国民经济的重要产业。可是,铸造业在创造巨大经济财富的同时,也消耗了大量资源,并对环境造成了严重影响。因此,实施绿色制造工程,进行工艺绿色化改造已成为铸造业可持续发展的关键战略。但从目前的总体情况来看,仍缺乏能有效识别工艺过程节能减排关键环节和关键影响因素的有效手段,同时,企业普遍存在生产系统中信息流断层的现象,这已成为制约工艺绿色化改造和绿色制造工程深入实施的瓶颈,阻碍了铸造业的可持续发展。构建铸造工艺过程数字孪生是突破这一瓶颈的有效途径。但是,鉴于铸造工艺过程的复杂性,通过机理分析的方法建立工艺过程的逻辑模型是非常困难的,而描述模型不具备工艺过程数据的处理能力,基于数据驱动方法虽然规避了机理分析的困难,同时模型也具备数据处理能力,但是这类学习型模型具有黑盒特征,它们不具备可解释性,虽然能够有效输出结果,但无法对结果的影响要素和作用关系进行分析,无法有效指导工艺绿色规划和绿色化改造。因此,如何实现铸造工艺过程的数字孪生建模是解决工艺过程物理空间与信息空间的交互与融合问题、推进铸造工艺绿色化改造和绿色制造工程深入实施的核心难题。本文针对铸造工艺过程数字孪生建模难题,采用机器学习、知识融合等技术,研究基于数据-知识混合驱动的铸造工艺过程数字孪生建模。主要研究工作如下:（1）结合铸造工艺过程数字孪生功能需求,明确了铸造工艺过程数字孪生及工艺场景的概念,设计了由工艺过程数字模型、工艺场景数据模型和工艺场景负荷计算模型组成的铸造工艺过程数字孪生模型框架。在工艺过程结构特性分析的基础上,采用基于多层级有向无环图的建模方法,构建了铸造工艺过程数字模型;在工艺过程数据属性分析的基础上,构建了场景化工艺过程数据模型。（2）基于产生式规则对铸造工艺知识进行表征,并结合规则Petri网进行元素映射和知识推理,构建工艺过程的特征工程。进而,依据特征工程构建训练数据集,利用XGBoost算法和SHAP模型特征分析方法进行基于特征消解的迭代建模,建立铸造工艺场景的计算模型,支持对模型特征的解释以及面向工艺场景的资源环境负荷数据的计算。（3）设计并开发了铸造工艺数字孪生验证系统,对数字模型、场景数据模型和计算模型的功能实现进行验证。