随着计算机网络技术的飞速发展,制造业的全球化、信息化日益突显,制造资源的共享度和利用率不断提高,网络化制造、制造网格等利用计算机网络技术的新型制造模式逐渐成为现代制造业的主要模式。近年来,随着云计算等“云理论”的发展,云制造的概念开始兴起。云制造是云计算在制造业的落地和延伸,它体现了“分散资源集中使用”和“集中资源分散服务”的思想,以“多对多”的服务模式,汇聚分布式资源进行集中管理,实现制造资源的高度共享和高效利用,提高制造企业的生产效益,为用户提供更高满意度和更环保的产品及服务。云制造是一种大规模网络化分布式制造,与网络化制造、制造网格等一脉相承,并具有三方面特征：云制造资源海量性、异构性、复杂性和粗粒度性；云制造的用户具有高度的参与性和多样性；云制造具有较强的自修复性。依据这三个特征,本文在国家自然科学基金(60970021)和浙江省科技计划项目(2007C21013)的支持下,着重研究了云制造环境下制造资源的定义、发布、匹配和选择问题,包括以下几方面：(1)针对云资源海量、复杂、异构的特征,提出了云制造体系结构、双层资源模型,以及基于资源云服务(RVCS:Resources Via Cloud Service)的资源封装、发布和发现机制。以WSRF体系架构为基础,提出了云制造体系结构,并详细分析了其中云端系统和云制造平台系统的逻辑层次和逻辑关系。在此基础上,根据云端和云制造平台不同的功能需求,提出了云端-云制造平台相分离的双层资源模型(BCMRM:Bilayer Cloud Manufacturing Resource Model):在云端建立面向资源基本属性的基础数据模型,在云制造平台建立面向资源服务属性的功能数据模型,并存在逻辑映射关系,实现了复杂、异构资源的统一数据模型。并且,根据云资源动态属性的功能特征和更新频率分为三层次两类别,即资源属性、服务属性和提供者属性三个层次,以及特征属性和状态属性两个类别。根据动态属性划分,引入具有实时侦听和属性甄别功能的连接器和云代理,进一步提出了基于RVCS的云资源封装、发布和发现机制,以便实现海量云资源数据的分布式存储和快速独立更新。通过对比实验,证明在大规模数据环境下,能够较好地提高资源发布和更新效率。(2)针对云资源粗粒度性的特征,提出了一种基于多维可拓理论的云资源性能相似度计算方法。首先提出特征属性匹配的核心是云服务资源性能属性的匹配。通过物元模型描述云资源的性能属性和用户需求,并根据性能指标数分为一维、二维、三维和多维等四类性能模块,从而将云资源性能匹配问题转化为多维空间中点与多维体的可拓距计算问题,并进一步建立关联函数计算云资源性能模块的匹配度。同时,提出了自定义权重、结构权重和实例权重相结合权重确定方法,从而获得云服务资源性能属性综合相似度。通过实验,验证了该方法具有较好的最佳资源命中性,且降低了粗粒度云资源指标权重计算的复杂度。(3)针对云制造用户高度参与性和多样性的特征,以Beth信任关系理论为基础,提出了一种基于用户自主预测评估和其他用户推荐评估的云资源QoS评估方法。首先提出了状态属性匹配的核心是云服务资源的QoS评估,并建立了一种基于预测评估和推荐评估的云资源QoS评估方法：对于预测评估,引入时效性经验因子和经验修正因子,优化了基于用户历史评价的预测模型；对于推荐评估,建立了基于历史经历的推荐用户粗选方法,和基于评价相似度与客观度的推荐用户群精选方法。最后通过变异系数,获得更为全面的QOS评估。通过对比实验,证明了预测评估能够充分反应历史评价且具有较好的灵敏性,满足了高度的用户参与性；用户筛选算法能够很好地过滤恶意评价和劣质评价,避免了用户多样性带来的干扰。(4)针对云制造节点突发故障时替代资源选取问题,建立了基于三角模糊数互补判断矩阵的制造风险可拓评价模型,并进一步提出了云资源动态调整策略。替代资源的选取从制造风险和动态属性匹配度两个方面进行考量：首先在可拓物元模型的基础上建立云资源制造风险评价模型,通过三角模糊数互补判断矩阵计算获得风险指标权重,并给出了三种生产关系的组合风险计算方法；在动态属性匹配度计算中,采用变异系数和使用门限相结合的方法,解决了性能匹配度与QoS评估值的不可比问题和QOS评估的客观性问题。通过实验,验证了该方法能够较为全面地反映资源的制造风险和可替代性。