市场竞争的加剧对制造企业快速适应市场变化的能力提出了更高的要求,如何及时地响应变化的市场需求,已成为制造企业迫切需要解决的关键问题。在此背景下产生的知识化制造这种新的制造模式,强调对制造系统中内在隐藏的知识进行描述、挖掘和发现,并根据获取的新知识适当地对系统运行模式和参数进行相应的调整,以期系统能够始终运行在较佳状态。以知识化制造理念构建的知识化制造系统(KMS)是一种高智能系统,它具备自适应、自进化和自重构等特征。其中,自重构问题致力于解决在生产需求有剧烈波动的情况下,如何对生产工艺路线、生产能力分配、生产与采购计划、生产调度方案、物料配送方案、生产管理系统的结构等进行全局性的重构,使得剧变后的需求能够得到满足,同时用于完成上述重构的成本最小。本文研究了面向制造执行过程中的知识化制造系统自重构问题,进一步完善了自重构优化理论,推动了知识化制造系统从管理层面向制造执行层面的转变。论文主要工作概括如下:1.为了满足动态多变的市场需求,研究了知识化制造环境下多产品工艺路线自重构问题。以最小化在制品水平和最小化重构后各工序在机器上的分配变动数目为目标,在满足生产率、工序优先顺序、工件加工完整性、机器加工可行性约束的前提下,对产品工艺路线重构问题进行数学建模。提出了改进的混沌非支配排序遗传算法(IC-NSGA)。利用Skew Tent映射作为混沌序列发生器对种群个体进行扰动,避免搜索陷入局部最优。设计了基于工序优先约束矩阵和候选机器集的解码方法,从而获得产品可行的加工工序序列及加工机器序列。实例研究验证了模型和算法的有效性,最终为决策者提供了多种可选工艺路线重构优化方案。2.某航空发动机装配工序数量多、工序间装配约束复杂。当产品需求发生变化时,人工调整存在响应速度慢、装配效率低等问题。以最小化产品完工成本、工序提前期惩罚成本及班组重构成本加权和为目标,建立了航空发动机装配车间调度和装配班组自重构优化模型。提出了一种交替迭代启发式算法,实现调度和班组配置的协同优化。证明了工序的局部最优排序性质。提出一种新的基于工序局部最优排序的分解算法,将调度问题分解为单个装配组上工序顺序优化问题,设计了一种工序后向插入搜索策略。根据获得的较优的调度方案计算出各装配班组的利用率并对班组配置进行调整。通过数值试验验证了模型与算法的有效性。3.针对某航空发动机装配车间装配效率低、工人分配不合理等问题,建立了面向航空发动机的知识化制造系统拖期调度与班组配置自重构优化模型。提出一种启发式算法,实现生产调度与班组配置的协同优化。在算法调度层中,针对航空发动机装配过程存在复杂约束这一问题,证明了与产品拖期优化目标相关的工序排序性质,并设计了相应工序调整算法。给出了工序在并行装配组上的初始指派方案以及优化方案。在重构层,根据系统负载平衡的原则来优化各装配班中装配组的数量。仿真实验结果表明了模型与算法的有效性。4.为了解决航空发动机装配过程中存在的不确定返工问题,建立了面向航空发动机装配车间的知识化制造系统重调度和班组配置自重构优化模型,提出装配车间自重构集成优化算法。在算法调度层,证明了以加权完工成本为优化目标的工序排序性质,并对工序进行初始排序。定义了三种邻域结构,用变邻域搜索(VNS)对工序在并行装配组上的指派问题和调度问题进行优化。于重构层,在不违背装配组装配技能约束的前提下利用装配组负载平衡原则对装配班组进行配置,并采用禁忌搜索(TS)对班组配置进行优化。仿真实验结果表明了模型与算法的有效性。