航天结构件的加工具有多品种、小批量、工艺复杂多变的特征,生产过程中批量生产任务和研发生产任务并存,研发任务导致紧急插单现象频发,影响批产任务的生产进程和效率。本文以柔性作业车间调度为研究对象,采用感知-认知双系统将作业流程知识与调度方法结合,提出多层级知识建模方法,研究基于深度强化学习的双环路调度方法。研究内容包括三个方面:（1）针对航天结构件加工车间在调度过程中的知识建模和调度方法组织管理困难问题,提出了面向柔性作业车间调度的感知-认知双系统。利用感知系统构建的知识图谱提供实时数据,融合认知系统的经验记忆模块提供的历史数据,实现动态调度的快速响应。（2）针对柔性作业车间调度过程知识的层次性和结构性关系复杂问题,提出了基于知识图谱的车间调度要素集的本体知识建模方法。首先给出了调度的四维析取图表示模型,采用了多层知识图谱将调度数据分类别表示。然后利用本体建模的方式将调度数据分为设备资源、工艺流程和加工任务三个层次,建立了静态数据融合的层次关系和动态数据融合的层间关系。最后利用提出的多维信息矩阵映射规则,生成对应调度方法的多维信息矩阵提供参数。实现了柔性作业车间调度知识的管理与融合,保证了调度参数的准确性、时效性。（3）针对柔性作业车间调度过程中的调度策略寻优问题,提出了一种基于深度强化学习的双环路调度方法。提出了基于资源配置智能体和工序排序智能体的双环深度强化学习（Dual-loop Deep Q Network,DL-DQN）方法,设计了优化目标与奖励函数,经标准算例验证,所提方法较传统调度方法具有求解性能的优越性。最后,以某航天所火箭发动机结构件加工车间为例,将本文所提的知识建模和双环路调度方法运用到车间调度中,对知识的建模融合、转化和调度应用效果进行了验证分析,方法对提升柔性车间调度过程的数据管理和调度利用有一定的实际价值。