可重构制造系统(ReconfigurableManufacturingSystem，RMS)是一类生产构形可变的新型制造系统，借助于构形的变化，它能方便、快速地实现同一产品族内另一产品的生产。在多品种、变需求环境下“何时重构”、“如何重构”构成了基于移动机器人物流的可重构制造系统运作的核心问题，其最大的难点在于如何通过调度实现有效地非线性重构。可重构制造系统将尽可能在同一时段允许多条生产线并发作业，这些并发作业的生产线构成一个RMS的系统级构形，系统级构形间的重构成为基于生产线的非线性重构，即RMS的非线性重构。对此，尚无文献提出系统化的、行之有效的重构及调度理论与方法。 针对这一情况，在国家重点基础研究计划项目“复杂生产制造过程实时、智能控制与优化理论和方法的研究”的资助下，围绕着课题“生产制造系统重构过程的实时协调控制理论与方法研究”，本文开展了对可重构制造系统的非线性重构和车间作业调度理论与方法的研究，提出了RMS静态、动态环境下非线性重构和调度优化的方法和算法，并进行了算法的仿真。本文的主要工作和成果细述如下： 1.建立了基于移动机器人工件物流的可重构制造系统非线性重构和调度的数学模型。建模过程首先给出了可重构制造系统的层次结构图，它包括了批次产品的加工任务层、设备组元和移动机器人组元层、车间设备布局层，以及细化的加工工艺层、设备级构形层等，该层次结构图反映了单批次生产任务情况下RMS的响应与运作机制，涉及RMT模块的选择、组合、RMT与RMT基座的匹配，移动机器人的分配等；随后给出了RMS处理多批次产品任务的非线性重构和调度的框架，通过调度因素的引入，系统将尽可能以并发生产线作业的方式运作，从而在提高RMS资源利用率的同时，降低总生产成本和加工时延；最后给出了RMS非线性重构及调度优化的数学模型，目标函数为最小化总生产成本和最小化总加工时延。 2.提出了基于Pareto最优的RMS非线性重构和调度集成优化策略。策略证明了最优的调度与重构Pareto方案集中的解可以紧凑调度的形式出现，任何一个非紧凑调度的方案总存在一个对应的紧凑调度方案，且该紧凑调度的方案解并不受非紧凑调度的方案解支配，从而确定了最优解的体现形式，这类解可由图论中的树图(调度树)来进行描述。由于重构过程和调度过程相互耦合，RMS实际的重构和调度方案很难通过一次优化直接得到，本文提出了依赖各批次加工任务候选生产线构形和调度树图，重建实际重构和调度方案的集成优化策略。该策略将RMS的非线性重构和调度优化问题分解成一个二次优化问题：单任务优化和多任务优化。 3.研究并提出了基于Pareto最优的多目标遗传进化算法以解决RMS非线性静态重构和调度的集成优化问题。算法包括两大部分：单批次产品加工任务的候选制造构形生成与调度，多批次产品加工任务的候选制造构形生成与调度。 单批次任务优化在假设当前所有制造资源和运输资源都空闲的情况下，致力于寻找以完工时间、总生产成本为目标向量的Pareto最优解集。算法提出了基于候选基座的<工序，可重构机床>匹配的遗传染色体编码方法，以实现串行、并行、串并混合型生产线的编码，并综合利用基于轮盘赌的二次选择方法、小生境技术、进化过程精英保持机制等技术，提高了算法的全局寻优能力和收敛速度。优化所产生的单批次生产任务的候选制造构形集合构成了下阶段进一步优化的基础。 多批次任务优化致力于在单批次任务优化基础上寻找所有RMS重构和调度候选方案。算法提出了针对非线性重构和调度方案的并行染色体编码方式：生产线构形选择染色体和基于Netkeys编码的调度树染色体。前者从各批次任务的候选生产线构形集合中选出单个生产线构形；后者通过Kruskal最小生成树算法产生调度有向树，确立调度顺序，进而获得重构和调度方案。 4.研究并提出了基于Pareto最优的多目标遗传进化算法。以解决RMS非线性动态重构和调度的集成优化问题．静态优化方案实施过程中，各种涉及制造资源、或者市场需求变化的突发事件干扰将降低整体方案的加工性能，甚至使其变得不可行。该优化的目的在于事件发生后减弱或者规避这种风险。优化算法采用了并行分部染色体编码设计方法，界定了染色体中刚性段和柔性段，通过对柔性段的遗传算子操作，使得优化产生的动态重构和调度方案能保证和原调度方案的一致性和连续性。 5.RMS优化软件系统实现。本文的研究成果在Matlab6.5环境下予以了算法仿真验证及软件实现，即开发了用于可重构制造系统静态重构和调度优化、与可重构系统动态重构与调度优化的软件系统。