随着中国的制造型企业向智能制造转型升级的不断深入,智能制造已成为全球范围内制造型企业转型升级的新方向,越来越多的中小企业也面临着升级转型的转折点,寻求中小企业向智能制造升级转型的关键因素越发重要。本文以中小企业为切入点,在充分分析了中小企业实施智能制造过程中的影响因素的基础上,利用极限学习机算法,开展智能制造能力水平的评价研究,以帮助中小型企业认识到自身发展短板,确定智能制造发展目标和方向。主要研究有以下5点内容:（1）构建中小企业智能制造能力成熟度评价指标体系。首先,通过对文献查阅和分析,提出目前有关智能制造能力成熟度研究在中小企业中应用以及评估方法上存在的问题,然后结合中小企业的发展特点归纳总结与智能制造能力相关的影响因素。将智能制造发展过程划分为精益化、自动化、数字化、智能化以及互联化五个阶段并以此来构架评价指标体系。（2）筛选并确定评价指标,计算指标权重,并基于评价指标设计企业各指标评分标准。通过实际调研以及德尔菲法对评价指标进行修改和筛选并最终确定评价指标体系。其次,采用层次分析法计算指标权重用于计算企业评估得分。最后,依据评价指标设置的评分标准采集所需的样本数据。（3）提出将极限学习机（ELM）神经网络算法作为企业智能制造能力成熟度的评价方法。考虑到ELM神经网络算法存在容易陷入极值、初始的输出层权值和隐藏层阈值是随机选取的等缺陷,因此影响评价结果的准确性。因此,通过利用粒子群算法（PSO）对极限学习机神经网络算法进行优化,提高评价的整体精度。（4）模型验证,利用本文模型对调研所收集的137家企业的数据进行评估,对所有企业的评估结果进行相关性分析,同时与现有标准模型评估结果进行对比,证明本文模型的合理性以及在中小企业评估过程中的优越性,同时将采集的数据利用PSO-ELM算法进行训练和测试,测试结果表明PSO-ELM算法在该评价过程中具有较高的准确性。（5）实际案例评估。将模型应用于实际案例之中,对X企业智能制造能力成熟度进行评估,结合实际评分找出企业的不足之处并提出改进建议。