传动系统的精确性能预测是现代设备健康管理的关键技术。鉴于保持传输系统精度的重要性,本文提出了一种由数字孪生技术(DT)驱动的混合方法框架,用于预测性能退化。首先,建立了基于元作用理论的DT模型,并在DT数据驱动下实现了对机床传动单元精度的实时监测和数字仿真。其次,基于模型驱动方法,运用齿轮载荷和转速对齿轮副齿面磨损的综合影响的齿轮磨损理论,对传动装置中齿轮的磨损进行了研究。通过使用基于数据驱动方法的RBF神经网络算法,将磨损数据外推到现场可测量的精度指标值,获得传动装置的性能退化。此外,通过粒子滤波算法建立了性能退化模型的混合预测方法,并利用实时数据更新当前状态估计以提高预测精度。通过将物理退化过程的机制与实时数据和历史数据结合起来,并将它们转化为一个协作架构,这种预测方法利用了这些方法融合所提供的互补优势,在数据驱动预测和基于模型的预测之间架起了桥梁。最后,将该方法成功应用于CNCMT转台传动单元的精度预测,并与单一预测方法进行了比较,验证了该方法的有效性和可行性。