制造业是社会发展的基石和动力。起爆器之于我国航天的重要程度决定了其在航天火工品制造业地位和作用。伴随着市场和国际形势等诸多方面影响,多品种变批量复杂作业环境下的起爆器柔性制造执行过程成为企业备受关注的重要环节。传统的静态调度已无法满足现阶段起爆器车间动态变化的制造系统需求。基于上述问题,本文以促进起爆器制造加工效率为最终目标,开展了起爆器柔性制造执行过程的智能调度方法研究,并开发了起爆器制造调度管理平台。论文的主要研究内容如下:（1）以多品种变批量起爆器制造执行过程为背景,系统分析了起爆器加工现场生产影响因素,根据起爆器工艺流程和加工约束,针对起爆器串行、并行、协同、典型、重复、循环以及测试等典型生产工位模式,构建了基于有限状态机的起爆器生产线状态转移模型,并通过数值分析突出了此模型的有效性和优越性。（2）针对起爆器生产制造特点,从提高企业经济效益角度出发,基于深度强化学习的思想,通过起爆器生产调度约束,建立了以最小化外协成本、最小化加班成本、最小化设备负荷量以及最小化完工时间的多目标调度模型。然后将四个求解目标抽象为四个智能体,利用Deep Q network算法在马尔科夫博弈模型下使各目标收敛于相关均衡。并通过与传统算法比较以及不同生产任务数量情况下的对比,验证了本研究模型和算法在紧急任务和设备故障等动态事件影响下对起爆器柔性制造调度寻优求解的可行性和优势。（3）针对深度强化学习对新品种变批量起爆器寻优效果不佳的问题,基于多任务线性迁移强化学习的思想,通过工件智能体的自学习和工件智能体之间的协同学习,利用源任务与目标任务之间的相关性矩阵提炼出最优知识矩阵,解决了新品种起爆器生产调度的工艺参数迁移问题。最后由实验和算法比较说明了多任务线性迁移强化学习对起爆器生产调度的优越性和性能稳定性。（4）基于上述技术研究,从实用性、扩展性以及交互程度等诸多方面综合考虑,将系统平台功能高度模块化,通过平台架构的总体设计、数据库设计及具体模块设计,开发了一个多功能起爆器制造调度管理平台,实现了起爆器制造车间的数据可视化操作,最后通过起爆器任务调度分析验证了该平台可广泛用于起爆器生产调度,且可有效提高起爆器的生产效率。