数控机床作为制造业的“工作母机”,代表着社会整体的生产制造水平。现如今,全球各制造强国均提出各自关于重振并发展高端制造的决定,数控机床首当其冲地必须进行全面升级,以适应智能制造模式。其中,智能运行优化决策是实现数控机床智能性的关键。以多目标优化技术为代表的数控机床智能运行优化决策能够实现在兼顾众多加工目标情况下,对现有加工方案进行优化,获取全局或局部最优的加工方案。然而,当前获得应用的多目标优化技术基本属于静态范畴,并未将数控机床在整个寿命周期中的动态性能变化纳入优化模型之中,因此所获得的加工方案优化结果也就具有很大的局限性,难以满足数控机床全寿命周期的优化需求。为解决在考虑数控机床性能动态变化的情况下,铣削参数的动态多目标优化问题,本文提出了基于数字孪生的铣削参数动态多目标优化策略,主要工作如下:本文首先论述并验证了刀具磨损对机床加工性能影响的显著性,选取刀具磨损作为机床动态性能变化的表征因素。同时,根据铣削参数动态优化的功能需求,设计了本文基于数字孪生的铣削参数动态多目标优化策略整体框架,组合并协调拟合预测模块、参数寻优模块以及决策分析模块等三大模块功能,完成铣削参数动态寻优。拟合预测模块采用Gradient Boosting集成学习框架融合高斯过程回归（GPR）、支持向量回归（SVR）、随机森林（RF）等回归算法构建铣削参数与目标间的非线性映射关系。同时,借助数字孪生场景感知技术,在约束条件发生变化时,对拟合预测模型进行更新。参数寻优模块通过结合数字孪生技术与动态非支配排序遗传算法DNSGA-Ⅱ-A进行铣削参数动态寻优,获取铣削参数非支配解集。决策分析模块在已获得的Pareto最优解的基础上,结合层次分析法（AHP）与优劣解距离法（TOPSIS）建立决策分析模型并实现可视化分析排序,并使用Python语言设计了可视化界面。最后,本文以铣削45#钢工件为例,设计并实施了铣削实验。通过处理铣削数据,一方面,验证了拟合预测模块的准确性;另一方面,说明了参数寻优模块的有效性与寻优结果的多样性;再一方面,将排序优化后的方案与实际方案做比较,得出决策分析模块的可行性以及便捷性。本文建立的铣削参数动态多目标优化策略能够针对机床整个运行时段提供符合当前机床特性的最优铣削参数取值方案,能够帮助数控机床实现智能运行优化决策功能。