随着新一代信息技术的不断发展,生产车间逐渐趋于智能化,传统的面向MES的车间动态调度模式由于缺乏物理世界和虚拟世界的实时交互以及生产要素数据和信息数据的融合分析,动态调度的预测性、智能性、联动性等依然很低,无法满足智能生产的要求。数字孪生作为一种集模型、数据、智能多学科于一体的新兴技术,通过实测、仿真和大数据分析等手段可以对车间动态调度过程进行感知、动态预测以及智能优化。因此,本文结合数字孪生技术,针对车间动态调度作了以下研究。首先结合数字孪生技术,提出了一种数字孪生驱动的车间动态调度模式,构建了其总体架构,并从虚拟现实信息交互、孪生数据驱动的实时调度框架以及动态调度的成熟度模型三个方面阐述了该模式的运行机制。然后针对虚拟现实的信息交互,设计了车间制造数据的感知技术,提出了一种基于本体的车间生产运行映射方法,并针对制造过程中扰动事件,提出了基于动态预测的扰动事件处理策略。接着研究了一种基于数据挖掘的Job-Shop实时调度方法,从优化的调度方案中提取用于挖掘调度规则的样本数据,通过遗传算法和极限学习机构成特征选择和分类算法,获取一种能随调度环境变化而动态组合的自适应调度规则模型,以在实时调度中定出较优的调度决策。最后以某企业复材车间的热压成型工段动态调度为例,对所提出的调度模式的有效性进行了实例验证。数据结果表明,随着该模式的运行,车间动态调度依次逐渐演变为智能化和连续调度优化的实时调度。