在多品种小批量个性化定制的智能制造系统中,制造单元间的互联互通具有重要意义。然而,各制造设备间采用的通信方式具有异构性,这在一定程度上阻碍了制造数据流的有效融合。另外,制造系统中不同数据流通常具有不同的动态特征,这对系统网络的通信能力提出了新的要求,尤其是数据流量的灵活分发和实时调度能力。本文针对当前制造系统存在上述问题的不足,通过研究新一代的网络技术,提出具体的解决方案。本文主要完成的工作如下:首先,通过引入软件定义网络(SDN)技术,构建一种面向智能工厂的异构网络系统架构。利用SDN技术将网络控制权从数据传输设备中分离出来并对网络进行统一控制,同时屏蔽底层物理设备的复杂异构性,从而可以从全局优化的角度对系统网络性能进行调优。其次,实现一种基于Open Flow协议的异构网络跨网融合机制。在本文所提出的异构网络系统架构的基础上,利用边缘智能网关对异构网络协议进行映射转换,实现一种基于Open Flow协议的异构网络跨网融合机制,并通过一个异构网络数据流的跨网融合仿真实验对所提出的机制进行验证。然后,提出一种基于长短期记忆(LSTM)神经网络的流量预测与调度机制。在本文所提出的异构网络系统架构的基础上,综合考虑个性化定制智能工厂中数据流的动态特性及LSTM神经网络对时间序列数据的拟合能力,实现一种基于LSTM神经网络的流量预测与调度机制,并通过一个动态数据流的传输实例进行验证。最后,对本文所提出的面向智能工厂的异构网络跨网融合与流量调度技术方案进行验证。依托于课题组自主构建的个性化定制智能工厂原型平台,在此平台基础上搭建异构网络系统实验环境并定义实验参数,然后实施所提出的异构网络跨网融合与流量调度方案,并将实验结果与采用其它方案的流量调度结果进行对比,以验证本文所提出方案的可行性。