模具作为制造业的基础工艺装备，其设计制造水平是制约制造业新产品研发与创新的关键瓶颈之一。随着经济全球化的推进，实现模具的高精、高质、高效、低成本的设计制造，已成为模具行业面临的重大技术挑战。将先进的自动化技术引入模具的设计制造过程，是今后模具设计制造技术发展的必然趋势。而在这一发展过程中，将信息化管理系统与模具生产的物理系统有效集成在一起，实现模具生产过程的各类信息的自动采集、处理和传输，则是实现模具自动化生产的关键。然而，由于模具是一种典型的面向订单和单件生产型产品，其制造过程复杂多变，使得模具生产过程各类信息的自动采集和处理过程复杂且难度大。因此，本文重点围绕模具生产过程各类信息的自动采集和处理，系统研究了基于物联网的模具生产过程信息感知及处理的关键技术。　　首先，通过深入分析模具的生产过程，确定了各类生产信息特征及其感知处理需求，然后结合物联网技术，提出了基于物联网的模具生产信息感知和处理系统的四层体系结构，包括感知层、中间层、应用层与接口层。其中，感知层是由物联网智能设备（读写器、标签等）与生产过程所关联的相关资源，通过联网绑定后构成；中间层用于对各类感知信息的处理融合；应用层是对处理后的信息进行面向生产过程的实时监控；而接口层则是用于与其它关联的信息系统的连接与集成。在此基础上，根据模具生产过程各关联对象间的关系，提出智能资源模型的概念，以及模具生产过程信息感知与管控活动模型，从而为后续的模具生产过程信息的自动感知与处理奠定了基础。　　针对模具生产过程的特点，提出了以各关联对象间相对位置关系作为信息感知与分类的处理机制，并按信息聚合粒度从小到大，将模具的生产过程信息定义为原始事件、关键事件和监控事件三类信息。其中，原始事件信息表示了标签某一时刻在读写器工作范围内的一次活动；关键事件信息描述了标签绑定对象相对于应用场景的时空活动；监控事件信息则是具备上层语义的企业级监控活动。在此基础上，提出了模具生产过程事件处理系统，通过对原始事件进行过滤和平滑处理将其转化为关键事件信息，然后根据业务逻辑和事件模板将关键事件融合成具有上层语义的监控事件信息。基于上述事件信息的处理，即可实现模具生产过程中各类信息的快速采集、处理与传输。　　各类对象间相互位置信息是进行信息感知处理的基础，为此，本文根据模具生产过程特点，提出了符号定位和位置指纹定位混合的模具车间定位模型及其分析计算方法，实现对工件位置信息的自动感知。其中符号定位方法用于获取定位目标在机床等加工资源区域的相对位置；位置指纹定位方法则用于获取较大空旷区域定位目标的相对位置。为了提高位置指纹定位方法的准确度，在现有的方法基础上，提出了一种改进的位置指纹定位算法。该算法首先采用基于密度聚类的预处理方法，对信号强度进行聚类分簇，从而有效降低噪声对信号强度的影响。在此基础上，构建了包括基于信任度的输入层，具有最优节点数的隐含层在内的反传神经网络结构，降低了因为距离因素对信号强度造成的偏差。对比分析表明，本文所提的改进位置指纹算法，有效提高了位置指纹定位的准确性和稳健性。　　在上述研究基础上，以J2EE为平台，开发了基于物联网的模具生产过程信息感知系统，实现了对生产过程各类信息的自动感知与处理，以及生产过程的实时监控，并与课题组前期开发的模具生产管理信息化系统eMan进行了有效的集成，为最终实现模具设计制造过程的自动化奠定了良好基础。