随着全球能源消耗不断增长,能源和环境问题日益突出。制造业作为工业能源消耗的主体,其能量消耗大,但能量利用率低。如何降低制造业的能耗、提升能量利用率已成为我国制造业实现可持续发展的研究热点之一。机床是我国制造业的工业母机,开展机床的节能研究具有重大现实意义。刀具作为制造业切削加工中的主体,会随着加工的进行不断地磨损,对切削加工过程产生严重影响。在机床切削过程中,其刀具的实时磨损和工艺参数的选择对其能耗影响巨大。充分挖掘加工产生的动态数据中的有用信息,对加工过程进行实时监测和优化决策是降低刀具成本、提升机床能量利用率的一个有效方式。本文以数控铣削为对象,考虑刀具的实时磨损值,开展基于数字孪生的数控铣削刀具磨损在线预测及节能工艺优化方法研究。首先,搭建数控铣削数字孪生框架,介绍了该系统由物理机床、虚拟机床及孪生数据库三大部分组成,具有数据采集、模型预测、工艺优化及动态仿真四大功能模块,并基于该系统框架,介绍了刀具磨损在线监测及节能工艺参数优化方法流程。其次,基于机床产生的海量数据,提出了孪生数据的处理方法,针对不同频率的数据信号采用不同的神经网络进行特征提取并使用PCA降维;建立考虑机床老化的时变偏差量化模型和刀具磨损在线预测模型,并选取四种评价指标（MAPE、RMSE、MAE、R~2）对该模型精度进行评价。再次,根据刀具的实时磨损值,建立考虑刀具磨损的能耗预测模型,以能耗和时间为目标、以加工工艺参数组为变量,建立数控铣削加工工艺参数多目标优化模型,并使用多目标布谷鸟搜索算法对该模型求解,获得总能耗和总时间最优下的加工工艺参数组。最后,基于数控铣削数字孪生技术,搭建数字孪生系统平台并对加工过程动态仿真。在此基础上,结合实际应用案例,验证刀具磨损预测方法的准确性以及节能工艺参数优化方法的实用性。