知识化制造系统是一种高度智能化的制造系统，它具有自适应、自学习、自进化、自重构、自培训和自维护等特征。自学习部分是知识化制造系统的重要特性，其主要功能之一是利用自学习方法解决企业生产运作管理中的各种问题。由于企业生产运作管理中存在大量不同层面、不同复杂程度的问题，本文不能一一加以解决，因此从设备管理层、生产管理层、决策管理层中选择了五个实用性的问题进行深入研究，并在基于自学习的基础上提出了问题的解决方法，这五个问题分别为：(1)基于归纳学习的知识化制造系统故障监测方法；(2)基于迭代学习的知识化制造系统多周期随机需求生产/库存控制；(3)基于迭代学习的树形结构知识化制造系统的生产控制；(4)基于机械学习的知识化制造系统动态生产瓶颈分析方法；(5)基于神经网络的知识化制造系统产品价格预测方法。 对这五个问题具体进行的研究工作及成果如下： 1．提出了一种基于归纳学习的知识化制造系统故障监测方法。为了尽量减少对知识化制造系统生产故障的漏判和误判，本文首先对采集的信号进行多维特征提取，再通过归纳学习建立设备的正常状态空间，并以此来判断设备的故障状态。由于多维特征能够从多个不同角度对信号进行监测，因而可以显著减少故障漏诊率。然后，证明了一个误判概率控制定理，根据该定理可以对误判概率进行很好地控制。 2．建立了一种多周期随机需求生产/库存模型，并提出一种迭代学习方法求解该模型的最优生产控制策略。为使知识化制造企业存贮、生产和缺货等费用的总和最小，本文采用(s，Q)策略对生产和库存进行控制，即当成品库存降至s时准备生产，生产量为Q。然后，证明了该模型费用函数具有下凸特性，据此，设计了一种迭代学习算法。根据该算法可以得出系统的最优生产准备点及最优生产量。最后，将本文所提出的迭代学习算法与遗传算法进行了比较。结果显示，两者所得到的控制量是吻合的，而迭代学习算法的求解速度更快。 3．对一种采用安全点策略进行生产控制的树形结构知识化制造系统，提出了一种基于迭代学习的安全点优化方法。为尽量降低单位时间内的平均生产费用，本文采用安全点策略对该系统进行生产控制。然后，根据该生产系统的结构特点，证明了缓冲区安全点的变化与其特征量之间的关系，据此，提出了一种迭代学习方法对安全点进行优化。最后，通过仿真试验将该迭代学习方法与遗传算法进行了比较。仿真结果显示，本文提出的迭代学习方法比遗传算法具有更好的优化性能。4．提出了一种寻找知识化制造系统中动态生产瓶颈的方法。由于以往瓶颈分析方法大多缺乏对产品生产条件变化的考虑，本文首先建立了知识化制造系统的网状模型，在此基础上提出完备生产网络的概念，进而提出寻找完备生产网络中忙节点的方法，然后证明了这些忙节点即为该系统的生产瓶颈。最后利用机械学习方法将生产瓶颈和其对应的生产条件存入瓶颈知识库，从而可以明确在不同生产条件下哪些生产环节需要改进。 5．建立了产品的关联价格网模型，提出了一种基于关联价格网的产品价格预测方法。制造企业需要对其产品的价格进行预测以指导生产。但很多时候价格的波动比较突然，不能从其历史数据本身得到解释，因此很难寻找历史数据的变化规律。为此，本文通过对引起产品价格变化的主要因素进行了分析，建立了产品关联价格网模型。然后，通过对该模型的研究，证明了可以使用关联价格子网，替代整个关联价格网对产品价格进行预测。进而采用一组BP网，构建一个反映关联价格子网中价格波动因素的预测网络PFN，由于关联价格子网中某因素的变动与其引起的产品价格变化之间具有一定的滞后关系，从而，可以根据关联价格子网的因素变动，利用网络PFN对产品的价格进行预测。理论分析和仿真实验显示该价格预测方法具有很好的应用价值。