我国中小型制造企业车间大多未完善自上而下的车间生产管控系统,导致车间内部存在着生产管理混乱、信息化管理落后、组织管理僵化等诸多问题。因此,建设中小企业智能车间,改善其混乱的管理现状很有必要;而车间资源生产调度是实现智能车间的核心内容之一。因此,研究智能车间系统模式下的智能生产调度问题具有一定的现实指导意义。本文具体研究内容与结论如下:(1)根据智能制造技术4项基本特征及其层级特性,结合中小企业发展现状,设计了一套包含基础生产层、智能终端层、网络层及系统层的基于智能终端的智能车间系统架构;然后,展开介绍各层级的基本构成及主要功能;最后,结合江苏某机械制造企业加工车间改造方案进行预期效果展望,智能车间若成功实施,不仅可提高企业经济效益,也可获得组织管理模式上的创新;(2)经典车间调度研究的调度模型大多为固定机器约束,不符合车间实际情况;且传统GA存在求解效率低、质量差等问题。基于此,提出了综合机器使用成本和提前/延期惩罚费用两方面因素的单目标数学模型,设计了一种基于反转变异法、双交叉以及指数衰减法的改进混合GASA,求解基于可变机器约束模型的智能车间静态调度问题。仿真发现:相比传统GA,混合算法求解的最佳适应度值降低了37%,且整体适应度值普遍偏低,最低生产成本降低了43%,说明该混合算法具有一定的高效性、稳定性;另一方面,相比固定机器约束,可变机器约束模型的调度结果中各时间参数更优,最低生产成本降低了58%,表明可变机器约束模型的先进性;(3)静态调度不能及时应对复杂多变的车间生产环境。因此,采用动态预测调度滚动窗口技术,基于新订单或紧急订单、机器故障、交付期变化4种扰动事件驱动的重调度策略,采用改进的GASA和交付期紧迫度排序的调度规则,求解基于人员和机器分配的动态预测调度问题,Matlab仿真均获得符合要求的重调度方案。对比有、无人机约束的调度结果,发现有人机约束的调度方案更合理;进一步采用传统GA、GASA+、改进的GASA三种算法求解不同时间机器故障时的重调度,结果对比分析发现:改进的GASA其优越性在动态环境中同样得到充分体现;且相比全局寻优能力、稳定性和运算效率得到一定优化的GASA+,改进的GASA求解的各时间结果皆优于GASA+,目标函数优化率高达12.1%,表明改进的GASA算法改进方式更先进,精度更好。