数字孪生具有虚实交互,精确映射物理空间的显著优势,采用数字孪生技术搭建铣削加工单元数字孪生模型对实现加工过程产品质量在线监测和生产优化具有重要意义。实际铣削工况复杂多变,基于固定铣削加工场景搭建数字孪生模型,通常因难以适应工况变化导致其决策性能衰退甚至产生错误决策,从而影响整个生产加工进程。针对上述问题,研究铣削加工数字孪生模型更新调整方法,对维持模型变工况决策水平具有重要应用价值。本课题提出变化工况下铣削加工数字孪生模型的迁移更新方法,并结合航天结构件铣削加工表面粗糙度预测进行应用研究与案例验证:（1）提出了面向铣削加工的可迁移数字孪生建模方法。对铣削工况进行统一参数化描述,分析了面向铣削加工的传统数字孪生模型和可迁移数字孪生模型在决策建模和决策模型更新调整的特点,给出了铣削加工可迁移数字孪生模型的定义,提出了铣削加工可迁移数字孪生模型的建模方法。（2）给出了铣削加工可迁移数字孪生模型的迁移策略,主要包括主动变工况迁移策略和被动变工况迁移策略。主动变工况迁移策略主要基于最大均值差异法实现了待重用源模型的匹配以及基于领域自适应迁移学习方法进行决策模型的迁移更新。被动变工况迁移策略主要基于校正决定系数法实现了源模型准确度的定期评估以及基于微调方法进行决策模型的迁移更新。（3）实现了铣削加工可迁移数字孪生表面粗糙度决策算法。基于设计部署的铣削加工原始工况,对铣削加工振动信号进行小波阈值去噪预处理并提取时、频两域特征,对铣削加工机床电信号进行时域特征提取,并采用皮尔逊相关系数法进行特征筛选;采用一维卷积神经网络实现了铣削加工表面粗糙度原始工况决策模型的搭建。（4）案例与验证,设计了铣削加工数字孪生表面粗糙度决策原型系统,实现了工件表面粗糙度在线监测、系统模型评估结果可视化以及交互式模型更新预测功能。设计部署了因工件材料变化、加工特征变化和刀具性能状态变化导致的三种变化工况案例,分别进行了铣削加工实验并采集处理铣削加工过程振动信号和机床电信号,并对模型迁移更新效果进行了对比验证,结果表明论文提出的方法对提高数字孪生模型变工况决策性能具有一定有效性。