为了减少各种先进制造系统共有部分的重复研发,知识化制造系统作为一种新的制造理念,将各种先进制造模式转化为先进制造知识纳入知识化制造系统中,实现各种制造模式的优势互补。自适应是知识化制造系统的重要特性,它能够使制造系统迅速响应生产环境的动态变化,根据需要动态调整制造系统结构及调度策略,提高制造企业的竞争力。为此,本文对知识化制造系统自适应动态组织和调度方法进行了研究。首先针对制造企业当前的制造模式与动态环境的匹配性,提出一种基于非线性模糊加权支持向量机的匹配分类方法;其次,针对制造模式与动态生产环境不匹配的分类结果,提出动态知识网模型和知识化制造系统的结构动态组织方法,实现制造系统结构动态调整,以改善制造系统生产结构,适应生产环境因素的变化需求；再次,提出一种基于模糊数据包络分析/保证域的评价方法,对知识化制造系统动态组织过程中可能生成的以及系统内含的多种制造模式进行评价,选择最有效的制造模式用于自适应决策；最后,针对生产环境的不确定性,提出一种基于改进Q学习的动态调度策略,指导动态生产环境下调度策略的自适应选择。具体说来,主要在如下几个方面进行了研究：1.为了判别企业当前知识化制造模式与动态环境因素的匹配类别,为企业的快速响应提供依据,提出了一种考虑模糊输入和不均衡样本的非线性模糊加权支持向量机(Nonlinear Fuzzy Weight-Support Vector Machine,NFW-SVM)模型。考虑实际生产面临的动态环境因素具有模糊性和不确定性,引入三角模糊数对模糊因素进行描述。针对不同匹配类别数据样本的不均衡性,模型设置不同的分类惩罚因子,降低小样本错分的比例。将具有模糊、不均衡特性的非线性可分问题转化为模糊机会约束规划求解问题,推出模糊机会约束规划的清晰等价规划式。在标准粒子群算法的基础上,引入变异算子和具有收缩因子的动态惯性权重,利用改进粒子群算法优化模型参数,提高模型的分类精度。给出基于NFW-SVM模型的知识化制造模式与动态环境匹配的分类方法。最后,通过算例验证了方法的有效性和可行性。2.针对制造模式与动态生产环境不匹配的分类结果,对表征先进制造模式的知识网进行改进,以赋予其动态自适应功能。基于多重集理论,提出了动态知识网概念,建立了包含静态和动态组成部分的动态知识网模型结构。为了实现动态组织过程中的有效决策,定义了静态知识子网的概念,提出了以信息匹配度、功能匹配度和功能完善度表征的静态知识子网匹配度量方法,兼顾了静态知识子网的信息量和功能要素,并证明了信息量的单调性和有界性。给出依据匹配度的动态组织算法,实现知识化制造系统的自适应动态组织,并开发了相应的使能工具。最后,通过应用实例验证了动态知识网模型和动态组织算法的可行性和实用性。3.针对知识化制造系统动态组织过程中可能生成的以及系统自身内含的多种制造模式,提出一种基于模糊数据包络分析/保证域的评价方法,选择评价结果中最有效的制造模式指导生产,以满足知识化制造系统自适应特性要求。以知识化制造模式为决策单元,考虑知识化制造模式的复杂度,建立了一种评价制造模式相对有效性的模糊数据包络分析/保证域模型。考虑到输入输出因素的不确定性和模糊性,模型中的输入和输出变量以三角模糊数表征。采用保证域以避免传统非阿基米德无穷小量对评价结果的影响。为了求解模糊线性规划问题,引入α截集计算模糊输入和输出的界值,推导了置信水平α下模糊有效性的上界和下界。给出一种基于模糊有效性界值的排序方法,并通过算例验证了该方法的有效性。4.针对知识化制造系统生产环境的不确定性,构建了一个基于多Agent的知识化动态调度仿真系统。该系统采用改进合同网协商机制,由待加工作业向设备Agent的可用时段竞标。为了保证设备Agent能够根据当前的系统状态选择合适的中标作业,提出一种基于聚类-动态搜索的改进Q学习算法(Improved Q-learning Based on Clustering & Dynamic Search, CDQ),以指导动态生产环境下动态调度策略的自适应选择。该动态调度策略考虑系统状态空间过大问题,采用顺序聚类降低系统状态维数,系统根据状态差异度和动态贪婪搜索策略进行学习。证明了算法的收敛性并分析了算法的复杂性。通过仿真实验,验证了该动态调度策略的有效性和适应性。