工业物联网服务系统是一种通过边缘计算网关、智能数据采集设备和智能传感器,对所在的工业场景数据进行采集、转换和校准的服务系统。它以企业战略竞争为目标,提高生产和服务效率。支持高层决策、中层管理和基层运营,帮助企业进行设备管理,建立信息化管理体系。工业物联网服务系统在减轻企业管理者工作的同时,还提高了企业工作的运转效率。消费者通过数据的可视化可以清楚了解到所需产品的状态信息,企业工艺员通过对数据的定期访问有助于产品的预测和修护,提高客户对产品和企业的信赖。工业物联网服务系统可应用于纤维生产、制冷产业、钢铁产业等。聚酯纤维生产过程由多个环节组成,里面涉及大量的化学变化和物理变化,是复杂度较高的工业过程。不同的工业生产环境会造成纤维产品质量的差异,如何让纤维产品质量满足客户需求,实现产品的个性化定制和批量产品间的切换成为纤维行业急需解决的技术难点。在工业过程当中引入智能控制与协同优化的方法,有助于减小生产过程中的累积误差从而得到更高质量的产品。通过对生物体分子、细胞和系统的解读来了解工业过程中发生的变化,可以有效提高工艺效率和对数据的挖掘能力。本文通过对聚酯纤维全流程（聚合过程—熔体输送过程—纺丝过程）开展深入研究,引入智能建模、控制与优化思想,进一步提高控制系统的稳定性和抗干扰性,并实现全流程的整体工艺优化。完成的主要内容如下:（1）基于内分泌调节的免疫算法的异构数据校准。通过对聚酯纤维生产过程数据进行处理和分析,将数据库模型整合于专家系统中,与生产线进行线上连接,然后基于内分泌调节的免疫算法同步修正实时生产数据,更新数据库集群,并对纺丝生产线上各参数进行校准。最后根据生产线的运行情况对生产过程进行正向或反向的误差补偿,从而对采集的各工艺参数进行实时调整,达到优化生产工艺和提高聚酯纤维生产质量的目的。（2）根据聚酯纤维生产批次和生产规格,提出基于内分泌调节的免疫算法（Algorithm of immune endocrine,AIE）的聚酯纤维生产过程服务成本优化决策方法。首先,介绍了聚酯纤维全流程的两种选择:按需生产和产品开发。其次,分析了不同批次请求任务对各阶段性能指标的影响。最后,提出了不同批次的服务优化措施。通过比较当前数据样本与总体数据的相似度,利用数据模型对聚酯纤维生产过程中的具体工艺参数进行调试,得到了整个生产过程的最优生产计划。仿真结果表明,基于内分泌调节的免疫算法在最优决策组合上具有最好的性能,有利于聚酯新产品的开发。同时还可以降低系统能耗,在大量候选服务解中选择出最佳服务来满足生产要求。（3）受人体神经、内分泌和免疫系统之间的协同机制启发,提出了一种基于自适应协同进化算法的工业物联网多目标学习优化方法（Biological cooperation adaptive evolutionary,BCAE）,用于解决物联网服务的动态多目标优化问题,以降低总服务成本和服务时间。BCAE智能模型分为基础层和高层。基础层由多个子种群协同进化来获得不同的Pareto前沿面。基于基础层得到的解,高层采用多因子进化算法（Multifactorial evolutionary algorithm,MFEA-II）进一步增加解的多样性,通过在线学习的随机交配概率（Random mating probability,rmp）与子代对父母技能的模仿实现不同技能组之间的通信,从而使遗传物质在不同技能组之间转移。在单个服务策略和协同服务策略的基础上,对不同任务下的动态请求工业物联网服务进行了实验研究。仿真结果表明,BCAE算法在解决工业物联网服务的多目标问题上优于其他算法。（4）针对不同任务的动态请求,设计了一种基于工业物联网服务的生物综合优化算法（Biological comprehensive optimization algorithm,BCOA）来解决工业物联网服务评价问题。BCOA算法分为上下两层。底层采用改进的全局优化免疫算法（Global optimization immune algorithm,GOIA）产生最优相似度。高层采用基于粗粒度模型的协同并行遗传算法（Coarse-grained parallel genetic algorithm,CGPGA）,以增加抗体种群的多样性。首先,根据自适应系数存储每个子种群的最优个体,然后利用最优个体数缩小每个子种群的搜索空间。当搜索空间精度达到一定阈值时,得到最优解。通过传递最优相似度,建立高层和底层之间的关系。仿真结果表明,BCOA算法由于减少了搜索空间,能够更快地找到最优解,并得到最接近平均物性指标的CV%值,从而实现生产管理整体优化,且在总服务时间均值和标准差方面表现最佳。提出的聚酯纤维纺丝过程评价机制,利用工业物联网服务评价中历史请求者和服务提供者的信息和数据,可帮助用户提供更完善的评价信息。（5）设计了一种基于工业物联网服务的聚酯纤维生产过程参数优化系统。系统首先根据目标产品的性能指标调用历史数据库中的生产批次和生产规格,确定该产品生产过程中的工艺参数初始值,然后根据实时采集的目标产品工艺参数值,使用基于内分泌调节的免疫算法对输入的工艺参数初始值进行调整。通过在线优化工艺参数,满足定制的要求,实现产品和信息的深度集成。在企业需求多样化和竞争差异化的前提下,该方法将在较短时间内进一步应用于节能降耗分析。最后,对论文的研究内容和方法进行了梳理和总结,指出了研究中存在的不足,并对下一步的研究内容和方法进行了展望。