柔性智能化制造是当前制造领域研究的一个热点,机器人代替人实现制造过程的自动化和智能化。然而目前生产的规划如任务的分解、机器人的操作和机器人的调度往往还需要人工事先决策。本文针对复杂多变的生产任务,研究了基于任务驱动的机器人作业智能决策方法,根据作业任务和当前作业环境信息,获取机器人作业操作及其动作时序等决策。主要内容如下:分层次地描述了生产系统中产品信息和工件形状、尺寸、位置、姿态等状态信息,设计了一种基于工件状态的机器人作业任务数据结构及其XML表示方法;设计并建立了机器人、工件状态和作业环境数据库,为后续的决策提供必要信息支持。基于HTN规划理论,提出了一种针对作业任务的规划领域知识自动生成算法,将生成的规划领域知识与通用规划领域知识相结合,实现机器人作业任务规划,有效地将机器人作业任务分解为机器人可执行的操作集合。采用强化学习的方法解决复杂生产系统的调度问题。基于生产系统模型和优化目标,提出了一种状态空间、动作空间和动作奖赏的描述方法,建立了基于Q学习的生产系统调度的智能决策算法。为解决当前算法效率低的问题,引入知识迁移的思想,研究了基于案例迁移的Q学习算法。提出了案例任务与目标任务相似度的计算方法,研究了将案例知识迁移到当前任务决策的映射方法。与Q学习算法对比,提出的算法学习性能均有不同程度的提高。以实际生产案例为例,采用本文的机器人作业任务描述方法、建立的作业信息数据库、机器人任务规划算法和生产系统智能调度算法,描述了生产任务,基于生产作业信息,实现了机器人任务规划和生产系统智能调度,并对机器人作业单元进行机器人作业任务仿真。实验结果验证了本文提出方法的可行性和有效性。