为了满足不断变化的制造需求,创建一个灵活的情景智能的生产系统模型,允许生产流程的实时自优化,对于工业制造系统的规模越来越大,复杂程度相应地越来越高,以及用户对于制造的需求多样化的特点,工业互联网用于平衡企业生产成本和用户满意度,在国内外得到了广泛研究。本文考虑在动态环境下能够自适应地做出合理的智能决策,从而更好的调配工业互联网中的各种服务,减少产品生产时间;同时考虑资源的预测性维护,从而更加高效的利用资源,减少资源浪费。本文以基于情景智能的工业互联网认知服务为研究对象,主要研究工业互联网中的服务自适应问题,主要完成了以下工作:(1)提出了基于情景智能的工业互联网认知服务自适应框架,并建立了基于情景智能的工业互联网服务网络模型。在该模型中综合考虑工业互联网服务自适应过程中的任务经济费用目标和服务质量评估目标,构建了经济、可靠的工业互联网双层自适应模型。(2)提出了基于最优化调度的工业互联网服务自适应方法。以基于情景智能的工业互联网服务网络模型为基础,考虑模型相关约束条件,采用路径最优选择策略、领域搜索策略和双信息素更新策略改进多目标蚁群优化算法自适应地求解该模型,从而为工业互联网的智能流程服务自适应提供最优解决方案。(3)提出了基于预测性维护的工业互联网服务自适应方法。该方法是对基于最优化调度的工业互联网服务自适应方法的进一步研究,制定相关参数约束条件,采用精英保留策略和动态变异率策略改进遗传算法来优化神经网络算法,在避免早熟和陷入局部最优的前提下,提高预测精度,从而为工业互联网预测资源服务自适应提供最优解决方案。(4)实现了某工业制造企业服务自适应管理系统。在框架描述,模型建立和算法设计的研究基础上,构建了基于情景智能的工业制造服务自适应管理系统,完成了系统的开发,并对论文的部分研究成果进行了验证。