在现代制造模式下,静态的调度方案已经无法适应于多变的作业车间生产环境,基于知识推理的调度方法是解决该类问题的有效方式之一。当前调度知识系统多建立领域内专家经验基础之上,多存在主观性强、决策依赖部分属性、多源知识冲突和知识滞后等问题。本文针对动态车间环境下的调度知识推理研究现状,重点研究调度规则的动态选择的问题,利用企业制造系统中的生产调度数据,运用遗传算法和BP人工神经网络算法构建动态调度知识网络,设计基于动态知识网络的调度知识系统。首先,建立静态作业车间数学模型;针对一般作业车间静态调度问题,通过编码解码、交叉、变异等遗传算法操作,获得问题最优解;归纳一般静态车间调度问题求解的遗传算法流程。其次,分析常见的作业调度规则和几种复合规则调度方式,确定本文研究方向为自适应调度;利用遗传算法求解改进的4×3调度问题的最优解,基于BP人工神经网络算法建模,定义网络输入参数和输出参数,从遗传算法最优解中抽取冲突时间决策点,计算人工神经网络输入和输出,获得训练样本;训练样本数据获得非线性网络关系,指导不确定车间条件下调度规则的选择。最后,分析调度知识系统实现的关键策略,进行调度知识系统的系统需求分析,归纳总结系统的业务流程;提出调度知识系统的硬件框架和软件框架,实现系统的关键数据库设计和软件模块设计。