随着云计算、物联网、大数据、信息物理融合系统、企业2.0、工业4.0等的提出,信息技术与先进制造技术深度融合,孕育出基于社会信息物理系统的智慧制造,形成一种面向服务、基于知识运用的人机物协同制造模式。在智慧制造环境下,物联网覆盖整个生产车间,部署于车间的各种传感器(如RFID、加速度计等)实时监测整个生产过程,并通过网络将数据传送到处理中心。由于各种不确定因素,导致生产过程容易发生异常事件,造成生产过程的信息复杂且不易控制。需要对各种传感器数据实时处理,挖掘出生产现场的异常事件,并预测将要发生的异常状况,进而基于实时与预测的异常事件,实现生产车间设备主动调度,避免由于异常事件而给生产系统造成的危害。为此,本论文研究基于机械加工的工件异常事件监测和刀具剩余寿命预测的主动调度,包括如下主要内容:(1)新型智慧制造模式分析与总结智慧装备的特征,探讨网络融合与社会信息物理系统视角下的智慧制造模式,研究实现智慧制造的社会环境与关键共性技术问题。(2)基于RFID的工件异常事件监测构建智慧制造车间的感知环境,定义各类RFID事件模型,包括标签事件、简单事件和复杂事件等;给出复杂事件处理系统的框架,提出综合的RFID数据清洗方法,实现面向实时的工件异常事件监测,最后实验验证数据清洗方法和异常事件监测的有效性。(3)基于无线加速度计的刀具状态监测给出刀具状态监测系统的框架,并搭建刀具状态监测的实验装置;应用小波变换去除振动信号噪声,用不同的方法提取信号在时域、频域和时频域的特征,并依据皮尔森相关系数选择关键特征;建立神经模糊网络(Neuro-Fuzzy Networks,NFN)预测模型,编写刀具磨损与剩余寿命预测的人机接口程序,并与反向传播神经网络、径向基函数网络相比较,验证NFN预测效果。(4)基于深度学习的刀具状态监测比较5种深度学习模型的结构与训练方法,提出基于深度卷积神经网络的刀具状态监测方法;并且搭建卷积神经网络学习平台,比较卷积神经网络不同模型的执行效果,同时与传统神经网络的预测性能进行对比,验证所建立的模型有效性。(5)智慧车间加工作业的主动调度给出调度模型的分类,构建智慧车间加工作业的感知环境;提出一种主动调度方案,具体研究包括加工作业调度数学模型、主动调度框架、策略和多目标双层编码双级进化双重解码遗传算法(MD3GA);搭建智慧车间加工作业的原型平台,实现加工机器与AGV的集成调度,用实验加以验证所提出的主动调度方法。