云制造是借鉴云计算模式产生的一种面向服务的网络化制造新模式，是近年来先进制造领域研究的热点。制造云服务由制造资源虚拟化封装而来，制造云服务组合是合理配置资源、提高资源利用率，完成制造任务的关键途径之一。服务组合分为任务规划与分解、候选服务发现、服务组合与优选三个阶段。服务发现的候选服务集是后续阶段的唯一输入，其效率直接影响整个服务组合效果。因此，制造云服务发现的研究对制造云服务组合实施和开展具有重要意义。目前，云制造研究主要集中在概念、体系架构等方面，而现有服务发现研究主要针对计算资源和Web服务。由于制造资源比计算资源更复杂，导致现有服务发现方法无法直接应用到制造云服务。因此，本文借鉴Web服务发现研究方法，研究制造云服务形式化描述、服务匹配和选择三个制造云服务发现的关键问题。首先，针对现有服务形式化描述方法在描述制造云服务时信息不全面的问题，在建立广义制造资源分类模型和扩展现有OWL-S服务本体的基础上，提出一种基于制造云服务本体的制造云服务形式化描述方法。该方法描述了服务的静态与动态属性、功能性与非功能性属性，可为制造云服务匹配提供完整信息支撑。然后，针对传统服务匹配方法难以适应制造云服务参数类型多样性的问题，创新地将制造云服务描述信息分为概念词、分句和数值参量三种参数类型，并给出了其相似度计算方法；在此基础上，提出了一种多层次制造云服务匹配模型。根据匹配力度，该模型依次包括基本匹配、功能性匹配、非功能性匹配和综合匹配四层，各层采用阈值控制匹配成功服务数量，并根据参数类型选择相应的相似度计算方法，实现各层服务匹配。针对服务匹配效率较低的问题，提出了一种先前期过滤后多层次匹配的制造云服务发现组织方式。其中，前期过滤条件的设定充分利用了制造资源分类和企业联盟式合作的特点。最后，提出一种基于模糊综合评判的制造云服务排序与优选方法。通过细化制造云服务Qos评价属性，建立一种Qos评价模型；在此基础上，鉴于服务执行后的Qos评价信息能反映真实需求，但Qos评价往往带有模糊性，提出一种基于历史Qos评价的模糊综合评判方法，以支持服务排序与选择。基于上述研究，搭建制造云服务发现仿真测试环境。与传统关键词匹配算法对比实验表明，本文匹配算法在查全率与查准率方面更优。从组织方式对服务发现效率的影响实验表明，提出的服务发现组织方式能明显提升服务发现效率。