本发明涉及一种基于CAE仿真与机器学习耦合的盾构TBM装备运行状态数字孪生方法，步骤如下：S1：建立盾构TBM装备数字化模型；S2：施加约束边界条件；S3：建立装备载荷集；S4：抽取载荷样本并在模型中施加载荷；S5：有限元模型求解；S6：装备结构应力、变形结果等数据获取，形成数据集；S7：机器学习模型训练；S8：输出盾构TBM装备运行应力、变形等数据；S9：数据孪生模型可视化；以上过程将CAE仿真与机器学习耦合，建立载荷数据与应力、应变等状态数据的非线性映射关系，从而实现对应力、应变等状态的快速预测，对提高盾构TBM装备运行过程中结构受力状态评估水平具有重要意义。