智能制造代表了制造业未来的主要发展趋势,已引起世界各国的广泛关注和普遍重视,如美国先进制造业国家战略、德国“工业4.0”、“中国制造2025”等。机器人则是未来智能制造的重要使能装备,是实现智能制造的一类重要而特殊的载体。因此,多机器人系统成为当前制造领域的研究热点之一,而任务分配则是多机器人系统研究领域的一个关键问题,吸引了国内外众多学者的关注。但现有的多机器人任务分配方法大都是针对具体的应用情景提出来的,适合于特定的环境,通用性较差,机器人数量规模一般比较小,并且大部分为同构机器人。而智能制造模式下,其面临的生产环境是动态和不确定的,同时机器人数量规模巨大,并且是异构机器人,在面对实际生产环境时,还有柔性化和实时性要求,针对该类情景问题的多机器人任务分配研究还非常有限。鉴于此,本文在对面向智能制造的多机器人系统进行分析后,给出任务和机器人的形式化描述方法,在此基础上结合机器人能力和任务需求提出一个通用、规范、适合非结构化环境下的任务分解方法,然后对大规模异构多机器人系统的任务进行优化分配,并给出了相应的管理建议,以使多机器人系统以合理高效的方式,协作完成任务。本文的主要研究内容与创新点有：(1)本文首先介绍了面向智能制造的多机器人系统研究背景；在此基础上,介绍了任务分配问题的国内外研究现状,其中重点是对多机器人任务分配问题的类型划分进行了理论探讨；然后系统介绍了角色分配的相关概念,分析了角色这一概念在多机器人系统任务分配研究领域运用的合理性和优势,并对E-CARGO模型进行了扩展,将其引入到多机器人系统任务分配研究领域之中,为多机器人系统的任务分配模型和算法设计奠定了理论基础。(2)研究了基于角色及能力约束的任务分解。任务分解是研究复杂系统任务分配的前期准备。但现有的大部分任务分解工作是把任务分解与任务分配分为两阶段,存在人为割裂开来的缺陷。本文在结合机器人能力向量及任务角色需求的基础上,提出了一种通用、规范、适合非结构化环境下任务分解的一般性方法,该方法兼顾了任务角色需求和机器人的能力特征两个方面,也就是在进行任务分解时就考虑到任务执行者的功能特性,这样的分解更有效率和针对性,有利于后续的任务分配工作。该方法首先对任务进行了基于角色的规范性形式化描述；然后从能力的角度,构建了机器人的能力三元模型；最后在结合机器人能力及任务角色需求的基础上,提出了基于角色及能力约束的任务分解方法。(3)设计了基于角色的集中式任务分配。本文在任务分解的基础上,进行了多机器人系统的任务分配研究。假设条件是在掌握任务及机器人全局信息的情况下,进行集中式的最优化分配,主要包括固定角色分配、柔性角色分配、动态角色调整等三部分。(4)研究了基于角色的分布式任务分配。智能制造模式下市场竞争激烈,企业面临复杂多变的生产任务。该部分内容主要假设在不具备全局信息的情况下,考虑引入机器人的学习能力,充分发挥其社会性、智能性、学习性,进行基于角色的多机器人系统分布式任务分配研究。分别进行了任务比例变化、间隔时间变化、机器人数量变化、空间范围变化等五组实验,探讨了多机器人系统角色分配的影响因素,实验结果为有效地组织和管理企业的多机器人系统提供了有益的启示。