随着感知设备的普及,物联网技术的发展,以云计算、信息物理系统、大数据、深度学习、雾计算等为代表的新一代信息/人工智能技术与先进的制造技术结合,推动了制造物联模式的不断发展。本研究正是顺应制造物联发展对云雾融合的迫切需求,一方面利用雾层来采集和及时处理感知设备层实时数据,包括基于RFID的工件加工状态的监测数据、刀具加工过程中的振动及受力的传感数据,以及经过及时处理形成工件加工状态、刀具剩余使用寿命和刀具磨损状态等感知事件;另一方面利用云层来进行大规模数据的计算,包括刀具的磨损量预测模型训练、刀具磨损状态分类模型训练,并将训练好的模型供雾层使用;利用所获得的感知事件来驱动加工作业调度,实时监控生产过程,形成主动感知事件驱动的加工动态作业调度方法。具体研究内容如下:（1）云雾结合的制造物联架构及实验平台搭建。分析了物联网体系架构,阐述了云计算和雾计算的相关概念及特征,构建云雾优势互补的制造物联网体系结构,搭建制造物联网下云雾融合的主动感知事件驱动的加工作业调度框架模型及实验平台。（2）基于RFID复杂事件处理的工件加工状态监测。构建了基于RFID加工作业车间的感知环境,提出基于RFID的工件加工主动感知复杂事件处理系统,并通过实验验证该系统能够有效处理RFID复杂事件、全程监测工件的加工过程、实时反馈工件的加工状态。（3）基于多传感器数据融合的刀具剩余使用寿命的预测。设计一种基于多传感器数据融合的刀具剩余使用寿命预测系统,采集刀具加工过程中的振动和力传感器信号,对信号进行去噪、特征提取、特征选择研究,建立基于改进的人工蜂群-反向神经网络模型来融合选取的特征以及预测刀具磨损量,并对磨损量采取多项式曲线拟合的方法来预测刀具的剩余使用寿命;利用历史和实时数据进行了预测模型的可靠性和稳定性验证,并与常用几种传统神经网络对比分析,表明所提出的预测模型具有更优的预测性能。（4）基于多通道卷积神经网络的刀具磨损状态监测。以改进的Res Net50残差网络为主体结构,将深度可分离卷积、改进的通道注意力机制以及通道混洗方法等优越性能有机融合于一体,构建成一个多通道卷积神经网络的刀具磨损状态监测模型;并将刀具加工过程中多传感器信号生成的频谱图作为该模型训练数据集,进而利用训练好的模型实现刀具磨损状态的实时监测,同时与不同类型的卷积神经网络模型和传统神经网络模型进行对比研究,以验证其性能优越性。（5）基于混合鲸鱼优化算法的加工作业车间调度。将Lévy flight算子、差分进化策略和鲸鱼优化算法结合在一起形成混合鲸鱼优化算法（WOA-LFDE）;通过求解相同的加工作业车间调度问题,验证Lévy flight算子和差分进化策略对鲸鱼算法性能的改进效果;并与9种具有代表性的智能算法进行求解加工作业车间调度问题的对比研究,表明所提出的算法更优。（6）制造物联主动感知事件驱动的加工作业调度。融入AGV物料配送,形成WOA-LFDE为核心算法,以工件加工状态、刀具剩余使用寿命和刀具磨损状态为扰动事件驱动的加工作业调度方法,并通过实验加以验证。