基于智能移动终端和云计算的选矿生产指标优化决策系统高论

来源:网络  作者:网络转载   2019-10-14 阅读:741
 基于智能移动终端和云计算的选矿生产指标优化决策系统高论

摘要:为满足智能移动计算和云计算的快速发展和工业过程网络化决策的需求,提出了基于智能移动终端和云计算的选矿生产指标优化决策系统,该系统主要包括工业私有云服务器、智能移动终端、数据采集计算机和过程控制系统等部分,智能移动终端具有前端处理能力,可为决策者提供方便快捷的决策辅助;工业私有云存有生产过程中的所有数据,并具有强大的计算能力以及动态的分配虚拟计算机,可实现网络化优化决策。针对选矿生产优化决策过程进行了分析,介绍了系统架构的设计、功能和控制策略,实现了移动终端决策的软件界面开发。研究结果表明,该系统能够克服地域范围的局限,实现不同地点的实时监测及生产指标的网络化决策。关键词:云计算;移动云计算;选矿生产指标优化;工业私有云中图分类号:TP297 文献标识码:

A Beneficiation production index optimization decision system based on intelligent mobile terminal and cloud computing GAO Lun,XIAO Qiong,L儿,Changxin,DING Jinliang,CHAI Tianyou (State Key Laboratory of Integrated Automation for Process Industries,Northeastern University,Shenyang 1 108 1 9,China) Abstract:To satisfy the rapid development of intelligent mobile computing,cloud computing and the need of industri— al process network decision—making,a beneficiation production index optimization decision system was proposed based on intelligent mobile terminal and cloud computing,which included industrial private cloud server,intelligent mobile terminal,data acquisition computer,process control system and SO on.Intelligent mobile terminal could pro— vide convenient and efficient decision support for decision makers with its front-end processing ability.Industrial pri— vate cloud stored all of the data in the production process,and it could achieve network optimization and decisionmaking with powerful computing ability and allocate virtual machine dynamically.By analyzing the decision process of beneficiation production optimization,the design,function and control strategy of system were introduced.The system could overcome the limits of geographical scope and realize real--time monitoring in different locations and net—- work decision of production index. Keywords:cloud computing;mobile-cloud computing;beneficiation production index optimization;industrial private cloud

圳言随着企业信息化需求的不断增强,云计算成为署纛筹篙嚣兰淼嵩尝叠凳簇速响应市场变化,越来越多的企业如生物医学信息收稿日期:2015—05—21;修订日期:2016—04—08。Received 21 May 2015;accepted 08 Apr.2016.基项目:国家自然科学基金资助项目(61273031,61134006);新世纪人才计划资助项目(NCET-12—0104)。Foundation items:Project suppor— ted by the National Natural Science Foundation,China(No.61273031,61134006),and the New Century Excellent Talents in Univer— sity,China(No.NCET一12—0104).万方数据 1822 计算机集成制造系统 第22卷共享领域[引、电信行业[3]、供应链行业[43等纷纷开始利用云计算。云计算的应用在提高企业规模效益、降低成本、提高信息可见性及基础设施的计算能力方面表现出了优异的性能[5]。目前,国内选矿生产中,大部分采用工业自动化系统来解决选矿过程中遇到的成本高、资源消耗大等问题,并没有享受到云计算所带来的方便快捷的计算和服务方式。文献 [6]提出了基于企业资源计划(Enterprise Resource Planning,ERP)、制造执行系统(Manufacturing Execution System,MES)、过程控制系统(Process Control System,PCS)三层结构的金矿企业综合自动化系统。该系统对形成具有自主知识产权的流程工业现代集成制造系统和自动控制科学的发展起到了促进作用。文献[7]提出了由MES和PCS两层结构组成的选矿生产过程综合自动化系统,实现了选矿生产过程的优化控制、优化运行和优化管理,为全流程优化决策提供了一定的理论基础。文献[83 针对选矿过程全流程优化对过程仿真的需求,设计开发了选矿过程仿真实验系统,为全流程优化思想的实际应用进行了探索性研究,具有启发性和借鉴意义。文献[9]综合利用多种先进技术,开发了具有丰富友好可视化功能的面向Web的工艺指标决策系统软件平台,有效利用了分布式计算资源,实现了算法的高速运行。以上研究使得选矿企业逐渐走向自动化控制,然而原有系统对生产过程的控制大多局限在本地,通过在厂区的不同区域分别建立工程师站,对生产过程的不同阶段进行控制。该控制方式具有造价高、维护困难、存在安全隐患、生产状态监控不变、难于动态管理与优化等缺点。同时,管理层和工程师及研发人员需要通过特定计算机来监控生产和决策过程、下达决策命令,时间和地点都具有局限性,不能实时地与生产过程进行互动。随着选矿企业信息化的发展,采用云计算能够很好地解决以上问题,云计算将可移植设备与强大的服务器互相补充,它需要一个能够让服务器架构师和程序员最大程度地利用小型客户机的操作系统[1引,移动智能终端即可充当该小型客户机,因此将云计算与移动智能终端相结合能够满足工业过程网络化决策的需求。文献[11]提出的工业云方案,使得在工业生产中使用云计算成为可能。文献[12]开发了一种基于云计算的基础设施,优化了网络性能并可支持必要的数据挖掘应用程序。基于云计算的技术及发展,本文针对选矿问题提出了基于智能移动终端和云计算的选矿生产指标优化决策系统。该系统由移动智能终端、工业私有云系统、数据采集计算机、过程控制可编程逻辑控制器(Programmable Logic Controller,PLC)等组成。该系统为选矿生产企业提供了一种新的用于生产指标优化的决策系统,可通过移动终端和互联网或者无线网络对于云中的数据进行访问操作,实现了用户对工厂运行情况的远程实时监控和移动式办公,以及数据的统一管理与分析,有效解决了传统控制系统对工程师站的依赖,具有造价低廉、维护方便、无需通过特定计算机进行控制操作、生产状态监控实时化等优点。本系统利用智能优化算法代替人工试凑来辅助生产决策,能够有效挖掘工厂的生产潜能,采用运行在工业云段的虚拟主机代替传统的工程师站,降低数据维护困难和安全隐患。 1选矿生产指标全流程决策过程简介选矿生产集成优化决策系统如图1所示[13|。该系统由综合生产指标目标值优化、全流程生产指标目标值优化、运行指标目标值优化和过程自动化系统组成。选矿生产计划调度中心根据市场需求及各个工序所报的原料等确定综合生产指标,综合生产指标优化的目标是最大化精矿品位、金属回收率、精矿产量即max J盯(X丁)(i一1,3,5),最小化全选比和成本即min J汀(x丁)(i=2,4),其中: J1,T(X丁)一 J2.T(坼)= J 3。丁(X了’)一 J4.下(XT)= ∑‰.。(x) £=1 ∑Q叭(x) t一1 ∑Q删.。(x) ∑瓯,。(置) £=1 ∑M&,。(五) t=1 ∑MR毗(x) f一1 ∑(c。。(置)+G概。) ∑‰.。(五) ,s,-r(xT)一∑Q,。(五); t=1 (2) (3) (4) (5) 万方数据第7期 高 论等:基于智能移动终端和云计算的选矿生产指标优化决策系统 1823 玲u 舟Ⅺ 企业综合生产I眦x以r(墨,,f=1,

3,5 指标目标值J min^r㈣,戌,4 综合生产指标目标值优化全流程综合生产指标优化目标值 氇ax Ji。T议窃。i=l,3。5 min JI'T议白。i=2.4 全流程生产指标目标值优化原矿量原矿种类 minijr球周期性校正l实际值 模型参数1.—一周期性校正约束界限周期性校正模型参数周期性校正约束界限实际值运行指标目标值优化磁揣一鼗i燃 竖炉: l磨矿粒度 I毒:≯箸赫磁选管回收率I弱磁磨矿: l蛋》美蓓 ’L磨矿粒度 上“”…4 原矿处理过程自动化系统竖炉焙烧过程自动化系统磨矿过程自动化系统磁选过程自动化系统图1选矿过程集成优化决策系统 XT=(Xl,X2,X3,…,X); (6) Xt一(z1,l,z2.£,…,z^.1)。 (7) 式中: T为全时间周期; t为子时间周期;咒为全时间周期T中子时间周期t的个数; h为原矿种类数; “。为时间子周期£内第i种原矿的消耗量; ‰.,(X)为时间子周期t内所生产的综合精矿的金属含量; Q。.。(五)为时间子周期£内的综合精矿产量; M南.。(X)为时间子周期t内所消耗的原矿中的金属含量; Q¨(X)为时间子周期£内消耗的各种原矿总量; Cm…(Xt)为时间子周期t内处理原矿所消耗的直接成本;%…为时间子周期f内的其他费用(如定额费用、可控制造成本等); G。州为时间子周期£内生产每吨综合精矿的生产l I原料指标l l成分统计l I化验值能耗成本。 J甜(x下)(i一1,2,3,4,5)均为以其各子周期内所消耗的各类原矿量黾。为决策变量的函数。决策过程如下: (1)以年为全周期,以月为子周期,使用基于梯度驱动的多目标进化算法[14]进行上层优化,决策出各个月份的各种原矿消耗量X(£一1,2,…,咒),并计算全年综合生产指标目标值J£T(x丁)(i一1,2,3, 4,5)。 (2)以月为全生产周期,以日为子周期,将上层当前月份的各种原矿消耗量优化目标值F结合容许误差战。,即F±AF(£=1,2,…,咒)作为全流程生产指标目标值优化的约束条件,使用基于梯度驱动的多目标进化算法[141进行下层优化,决策出每天各种原矿消耗量Xt(£=1,2,…,以),并计算该月全流程生产指标目标值JC7’(xr)(i一1,2,3,4,5)。同时根据每天的原矿消耗量计算该天全流程生产指标值,0r,(薪,)(i一1,2,3,4,5)。 (3)以日精矿品位和精矿产量的实际值与指标值的偏差最小化为目标,决策出竖炉、磨矿和磁选一设一资一标 备一源一范 能一约一围 力一束一约 一束一一指一设一资一标 各一源一范 能一约一围 力一束一约 一束一一指一设一资一标 备一源一范 能一约一围 力一束一约 一束一一指万方数据 1824 计算机集成制造系统 第22卷 PCS的运行指标目标值。通过PCS跟踪运行指标并优化目标给定值,使日精矿品位和产量等指标的实际值能够跟踪目标值,从而使综合生产指标的实际值尽可能接近综合生产指标的优化目标值,实现选矿生产集成优化。 2基于智能移动终端和云计算的选矿生产指标优化决策系统 2.1云计算与智能移动计算目前广为接受的关于云计算的定义,是美国国家标准与技术研究院给出的:云计算是一种将计算资源远程交付的商业模式,这种模式按资源使用量付费,提供可用的、便捷的、按需的网络访问,进入可配置的计算资源(包括网络、服务器、存储、应用软件、服务)共享池,只需投入很少的管理工作或与服务供应商进行很少的交互[1 5|,这些资源能够被快速提供。云计算按照服务模式可分为软件即服务(Soft— ware-as—a-Service,SaaS)、平台即服务(Platform— as—a-Service,PaaS)、基础设施即服务(Infrastruc— ture-as—a-Service,IaaS)三类。其中:SaaS将运营商运行在云计算基础设施上的应用程序作为服务提供给客户,使用户可以在各种设备上通过浏览器等客户端进行访问,而不需要管理或控制包括网络、服务器、操作系统、存储等在内的任何云计算基础设施; PaaS提供用户应用程序的运行环境,主要为用户提供开发实施的平台环境以及计算能力,典型的包括开发、测试、调用、运行的部署等;

IaaS通过将基础设施虚拟为服务的形式来向用户提供硬件资源,主要是计算和存储服务,此外还包括处理服务、网络服务等。从使用者的角度,“云”中的资源可以无限扩展且可以随时获取、按需使用、按使用付费。现有云包括公有云和私有云[16|,公有云指第三方提供商用户能够使用的云,通常可通过Internet使用,可能是免费或成本低廉的;私有云是为一个客户单独使用而构建的,因而提供对数据、安全性和服务质量的最有效控制。由于公有云存在一定的数据安全隐患,企业大部分更偏向于应用工业私有云方案。随着移动互联网的发展,可以在移动智能终端使用越来越多的软件,但由于移动智能终端的存储和计算能力有限,其拥有的资源与计算机相比仍有一定的差距,如果将云计算概念运用于移动计算领域,则会得到意想不到的效果,因为运用远端“云”的高速处理能力,即使移动智能终端本身性能不高,但只要满足与远端“云”的输入输出数据交换,便能够得到理想的结果。移动云计算作为云计算的扩展,为移动用户提供云平台上的数据存储和处理服务[1川。通过将云计算与移动智能终端相结合并应用于选矿企业,在企业内部的机房内架设一组置于企业防火墙之内的云存储服务器,且受企业安全策略及管理制度的防护,可将数据真正掌控在自己手中,员工依然可以像访问熟知的互联网网盘一样,使用企业内部的私有云进行存储。在网络覆盖的范围内手机、平板、电脑可以随时实现文件同步,各部门之间可以安全地分享文件,所有人对文件的操作行为均可以被记录,实现登录身份认证机制与企业现有管理机制的结合,使存放于数据中心的文件具备高强度的加密,从而使企业决策部门可以不受地点的约束而随时随地进行优化决策。 2.2基于OpenStack构建私有云 OpenStack是一个开源软件,它提供了一个部署“云”的操作平台或工具集。OpenStack可提供 IaaS层面的、非单一的解决方案,即一个不断成长的开源解决方案套件(包括核心和新孵化的项目),并共同形成一个强大成熟的IaaS堆栈。如图2所示,OpenStack构建自几个核心技术。其中:左侧是HORIZON仪表盘,可为用户提供交互界面;NOVA可提供对虚拟机的调度管理及生命周期控制;SWIFT可实现一个具有内部冗余、可大量伸缩的对象存储系统;QUANTUM和ME— LANGE可实现云的网络服务;GLANCE项目可为云提供镜像管理及存储服务。 [亟至四图2 OpenStack解决方案的核心和附加组件 2.3系统结构下面结合选矿生产决策过程以及现有生产决策中存在的问题,提出基于智能移动终端和云计算的选矿生产指标优化决策系统,其物理架构如图3所示。该系统由移动智能终端、工业私有云服务器、采集计算机、过程控制系统组成。其中:移动智能终端亨茎一 囡团目 n……U 万方数据第7期 高 论等:基于智能移动终端和云计算的选矿生产指标优化决策系统 1825 包括手机、平板电脑等通过互联网或者局域网访问工业私有云中的数据,在移动终端上控制云中的计算与存储;工业私有云通过光纤与外部的数据采集计算机连接,进行数据的采集与下载,通过路由器与外部网络连接,并通过代理节点保证网络访问的安全性;过程控制系统及工业生产系统分别通过工业以太网相互连接,进行数据交互。用户可基于互联网通过账号认证进行决策操作,不同的用户对应不同的权限操作,以方便决策者和工程师随时随地进行生产决策。在企业内部,工作人员还可以直接通过局域网访问云服务器,进行相应的决策操作。私有云系统中包括Web服务器、应用服务器、通信服务器和数据库服务器等,工业私有云服务器通过物理计算机中安装的OpenStaek将服务器硬件资源虚拟化,使服务器成为对外可提供计算资源和存储资源的云。图3选矿优化决策系统的物理架构 2.4系统功能系统功能图如图4所示。工业私有云主要分为 Web层、控制层、计算层、存储层4个层次: (1)web层 为云计算的网络接入点,该接人点是访问云的唯一通道。Web层包括终端交互模块。交互模块主要负责移动终端和云服务层数据的交互,Web层在接受到来自和客户端的HttpWebRequest数据请求后,通过WebService接口查询获取存储在云中的数据,再以通用的Xml格式作为响应返回给客户端。 (2)控制层该层是整个私有云计算的核心,主要负责将用户的计算任务分成若干部分,决定执行每个任务的虚拟计算设备,同时将需要存储的数据分配给存储设备,监控整个系统。该层主要包括虚拟机的配置和管理模块、路由分发模块、负载均衡模块和身份验证模块。具体地,用户通过Nova的 !………………………: …竺戮…i翻耩徽i 图m蝴;;翻瓣激喜j 国酬服务器崮盛运臻黼羲i 国通信臌务器l l盛矿髫嚣储i 图数擗服务器|l翻瓣嚣裂詈{ i圜媳骨理服务器i }剜约束管理服务器i l脚历锱髫储i API与私有云计算平台中的虚拟机服务器进行任务的调度和执行,身份验证模块的功能是通过Keystone组件实现的。 (3)计算层 主要负责计算分配层指定的计算任务分配方式,控制具体的计算设备进行计算,计算完成后返回结果。计算层提供了用于算法计算相关的虚拟服务器,在本系统设计中计算层包括综合生产指标优化算法服务器、全流程生产指标优化算法服务器、运行指标优化决策算法服务器、矿石信息存储服务器、生产结果及过程数据监控服务器、变量管理服务器、约束管理服务器和历史信息存储服务器。综合生产指标优化算法服务器根据智能移动终端设定的选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量,利用选矿多生产指标优化决策算法和算法参数,计算出各种原矿的处理量。万方数据 1826 计算机集成制造系统 第22卷全流程生产指标优化算法服务器根据上层综合生产指标决策结果,采用与综合生产指标优化算法服务器相同的方法计算出每日的原矿使用种类和用量。运行指标优化决策算法服务器根据每日的原矿处理量以及设备调度情况计算出设备的给定值。矿石信息存储服务器用于存储各种原矿的品位、价格、厂内存量、可购买量,这些信息随生产周期滚动更新。生产结果及过程数据监控服务器收集了生产过程中采集的关键数据,根据这些数据对生产完成情况进行评估,并修改随周期滚动变化的数据。变量管理服务器用于定义存储决策变量,对决策变量进行增删改等操作。约束管理服务器可定义约束及其表达式,存储约束表达式参数值。 (4)存储层进行数据的存储以及控制数据存储设备的读写操作。存储层包括数据分区模块、数据读模块和数据写模块,用户通过验证后,根据访问请求,数据分区模块将请求发送到对应的分区层,进行读或者写的操作。上述4部分构成了工业私有云的软件部分,物理设备层则构成了私有云的硬件部分。图5所示为工业私有云的具体功能模块。移动工业私有云 l罴篙一 生产结果显_:模块 H Internet l 矿钉信息模块卜一 —1 或WLAN ’I WebF丢 _. I _.

变量管理模块卜一 控制层综合生产指标优化模块}÷一 t ★ ● J全流程生产指标优化模块}卜一 l计$…r 7l”” 自层l 运行指标优化模块卜—一历史信息管理模块公 II P 沁 j 蕙 迤翻、 l 用户管理模块 卜 逵 ≮习二薹簌j, ’蹙笋矿物理设备层图4选矿优化决策系统功能图工业私有云 I Web层- l 控制层 计算层 存储层 l 厂 、 厂 、 厂 、 , 、 |I终端交互l l虚拟机的配置l I虚拟化服l 数据分区模块 |l 模块 l l和管理模块l I务器模块l I路由分发模块l I cPU模块l l数据读模块l I负载均衡模块I l数据写模块I l身份验证模块l 图5工业私有云功能模块图移动终端作为显示服务的设备,为用户提供了优化生产指标的操作应用访问。客户端为应用建立了友好的操作界面,并为应用程序提供了所需资源。其中最主要的两大部分是本地缓存和网络通信。 Android移动终端通过SQLite进行本地存储, SQLite是一个运行在Android系统的数据库引擎,是一个本机数据库。它与客户端/t11曼务器类型的数据库例如SQL Server是不同的。通过使用客户端/服务器形式的数据库,可以向数据库引擎发送一条查询或操作,然后执行相关操作,最后向客户端发回结果。通过使用此类数据引擎,数据库可以在单独的进程甚至单独的机器中运行。然而,SQLite却不能在单独的机器中运行,而是运行在同一机器中 (Android),同时与应用程序在同一个进程中运行。 SQLite是嵌入应用程序中的,并且在编译过程中链接到应用程序。对SQLite的调用不需要通过网络,而是在物理设备上完成。移动终端与工业私有云平台采用HTTP进行通信。主要的通信流程如图6 所示。服务器响应HTTP请求时有时可能需要一些时间,在此期间,为使界面不冻结,可采用异步的 HTTP请求。移动终端显示界面主要包括生产结果显示模块、矿石信息模块、变量管理模块、综合生产指标优化模块、全流程生产指标优化模块、运行指标优化模万方数据第7期 高论等:基于智能移动终端和云计算的选矿生产指标优化决策系统 1827 图6移动终端HTTP请求流程图块、历史信息管理模块和用户管理模块,移动终端的每个模块都有其对应的云端中的虚拟服务器。用户可基于移动智能终端,根据用户的身份认证信息进行权限范围内的决策操作与查询,分别对选矿综合生产指标优化、选矿全流程生产指标优化、运行生产指标优化过程进行操作。而普通的权限则仅可以访问生产结果及矿石信息,不具有操作的能力。当用户进人使用移动终端设备时,打开该系统首先进入登录界面,完成用户权限认证。不同的用户对于决策操作具有不同的权限。综合生产指标优化、全流程生产指标优化、运行生产指标优化3个项目只有有权限的工程师才可以操作,并且移动智能终端仅仅是发送一个计算的请求,所有的计算都在工业私有云中进行,用户可发送登陆请求,通过认证节点及互联网在云中进行判断审核。正确登录后的界面显示流程如图7所示。厂丽用户登录 ||i11:虿11::11生驯豢懒标恻瞄退出图7移动终端显示界面 2.5 系统实现 OpenStaek可以采用多种方法进行构建,如源码安装、使用DevStack脚本安装。本文采用源码安装过程,利用Ubuntu发布版(12.04)和OpenStack Essex,通过OpenStack构建私有云部署流程,如图 8所示。 Horizon认证服务系统的配置 ● Swift存储服务系统的配置 ● Glance镜像服务系统的配置 ● Nova计算服务系统的配置 ●

Quantum/Melange网络应用的配置图8 OpenStack部署流程工业私有云部署后,可按需进行服务器的分配。以选矿生产优化过程中的综合生产指标优化为例,如图9所示为综合生产指标优化指标决策流程图,决策者需要确定优化过程使用的优化模型、优化算法及算法参数的设置、生产指标的目标值范围、边界约束条件及决策变量,将所有请求发送到私有云的综合生产指标优化服务器中进行计算,操作者可根据优化解集,将综合生产指标优化目标值发送到数据库服务器中。在服务器中将需要访问的优化项目及方法通过 Java发布为Webserviee,形成一个可访问的带参数的URL,在移动终端,通过SOAP协议来访问URL 进行参数的给定,并将计算请求发送到云端,云端最终的处理结果再返回到移动终端界面。本次实验中,移动终端采用Xamarin编写的Android系统,其登录界面如图10所示,用户可根据权限进行登录认证,进入界面首页,如图11所示。综合生产指标优化 ● 确定生产指标目标范围 ‘ 确定边界条件及约束 ● 选定优化模型 ● 选定优化算法 ● 确定算法参数 ● 限据优化结果决策出原矿的使用量及生产指标目标值图9综合生产指标优化决策过程优化决策实验以综合生产指标优化为例,点击图11中的综合生产指标优化模块,进入如图12所示的界面,该界面主要包括生产指标上下限的设定、万方数据 1828 计算机集成制造系统 第22卷麓矿企业生产指标优化系统晰izafion System For Mineral Processing 鑫用户餮录图10优化系统移动终端登录界面聿口 Mineral System 首页 l::::::::::::二jl用户管理 l竺兰竺墨lI!:互!i:垦Il兰墨笪呈.综合生产指标优化仝流程生产指标优化运行生产指标优化圈1l优化糸统苘贞设备处理能力的设定、可利用原矿的设定,因为这些量是随时变化的,所以工程师要根据实际生产状况进行不同的设定,移动终端通过访问云端发布的 Webservice进行参数的设定,当设定完成后按下开始优化按钮,将计算请求发送到云端,以生产指标上下限设定为例,其余指标的设定与生产指标的设定类似,不再赘述。如图13所示为生产指标上下限的设定方法,输入数据后,按ok键将数据提交到云端等待处理。云端计算后移动端在云端取出计算结果、进综合生产指标优化决策综合生产指标上下限设备处理量上下限可利用原矿资源优化开始图12综合生产指标优化行显示。如图14所示为综合生产指标优化结果,决策人员根据优化值做出相应的优化调整,将数据传回云端,实际的现场数据由云端反馈回移动终端即反馈值。图13生产指标优化上下限图14生产指标优化上下限 3 结束语本文提出了基于智能移动终端和云计算的选矿生产指标优化决策系统,该系统能够成功地实现选矿生产过程优化决策,解决选矿优化控制过程局限于本地范围内的问题,使得决策者能够随时随地进行生产决策,节省了决策时间,同时利用云进行存储和计算,可使得数据中心的运行成本大大降低,从而有力地推动未来工业的发展。万方数据第7期 高论等:基于智能移动终端和云计算的选矿生产指标优化决策系统 1829 未来将进一步研究系统的扩展功能,如专家决策和指标可视化分析等。

参考文献: [13 XUAN X.From cloud computing to cloud manufacturing[J]. Robotics and Computer-Integrated Manufacturing,2012,28 (S1):75—85. [2] ROSENTHAL A,MORK P,LI M,et a1.Cloud computing:a new business paradigm for biomedical information sharing[J]. Journal of Biomedical Informatics,2010,43(2):342—53. [31 YIMU J,zIzHu0 K,Yu P Q,et a1.A cloud computing service architecture of a parallel algorithm oriented to scientific computing with CUDA and Monte Carlo[J].Cybernetics& Information Technologies,2013,13(S1):153—166. [43 wU Y,CEGIELSKI C G,HAZEN B T,et a1.Cloud computing in support of supply chain information system infrastructure: understanding when to go to the cloud[J].Journal of Supply Chain Management,2013,49(3):25—41. [5]LIN A,CHEN N C.Cloud computing as an innovation.-per— cepetion,attitude,and adoption[J1.International Journal of Information Management,2012,32(6):533—540. [6]CHAI Tianyou,LI Xiaoping,ZHOU Xiaojie,et a1.Modern integrated manufacturing of gold mining enterprises based on three layer structure[J].Control Engineering,2003,10(1):18— 22(in Chinese).[柴天佑,李小平,周晓杰,等.基于三层结构的金矿企业现代集成制造[J1.控制工程,2003,10(1):18—22.] [7]CHAI Tianyou,DING Jinliang,YAN Aijun.Mineral produc— tion process integrated automation system[J].Design and Re— search of Nonferrous metallurgy,2003(S1):1—5(in Chinese). [柴天佑,丁进良,严爱军.选矿生产过程综合自动化系统[J].有色冶金设计与研究,2003(SI):1-5.] [83 DING Jinliang,CHEN Xiaopin,CHAI Tianyou,et a1.Re— search and development of mineral processing simulation sys— tem for the whole process optimization[J].Control Engineer— ing,2012,19(3):365—369(in Chinese).[丁进良,陈小品,柴天佑,等.面向全流程优化的选矿过程仿真系统研发[J].控制工程,2012,19(3):365—369.] [9]LIU Changxin.Design and development of decision system software platform for the whole process of mineral production based on Web[D].Shenyang:Northeastern University,2008(in Chinese).[刘长鑫.面向Web的选矿生产全流程工艺指标决策系统软件平台的设计与开发[DI.沈阳:东北大学,2008.] [10]CHEN Hap,LI Benfu.Mobile ordering system based on an— droid cloud computing[J].Application of Computer System, 2012(8):148—151(in Chinese).[陈浩,李本富.基于An— droid云计算的移动点餐系统[J].计算机系统应用,2012(8): 148—151.] [11]KESAVAN M,AHMAD I,KRIEGER 0,et a1.Practical compute capacity management for virtualized datacenters[J1. IEEE Transactions on Cloud Computing,2013,1(1):1-1. [123 GR0ssMAN R L,GU Y。SABALA M,et a1.Compute and storage clouds using wide area high performance networks 口].Future Generation Computer Systems,2009,25(2): 179—183. [131 CHAI T Y,DING J L,YU G,et a1.Integrated optimization for the automation systems of mineral processing[J],IEEE Transactions on Automation Science And Engineering,2014, 11(4):965-982. [141 YU Gang.Study on the whole process of ore dressing com— prehensive production indices optimization method[D].Shen— yang:Northeastern University,2012(in Chinese).[余刚.选矿生产全流程综合生产指标优化方法的研究[D].沈阳:东北大学,2012.] [15]MELL P,GRANCE T.Perspectives on cloud computing and standards[R].Gaithersburg。Md.,USA:NIST,2009. r161 MARSTON S,LI Z,BANDYOPADHYAY S,et a1.Cloud computing--the business perspective[J].Decision Support Systems,2011,51(1):176—189. [171 DHARMALE P N,RAMTEKE P L.Mobile cloud compu— ting[J].International Journal of Science and Research,2013, 4(1):2072—2075.作者简介:高论(1991一),男,辽宁鞍山人,硕士研究生,研究方向:基于云计算的运行指标优化软件,E—mail:[email protected];肖琼(1990一),女。辽宁朝阳人,硕士研究生,研究方向:选矿综合生产指标优化系统及方法;刘长鑫(1983一),男,辽宁建昌人,讲师,博士研究生,研究方向:基于大数据的复杂工业过程建模、优化结构与方法及其应用;丁进良(1976一),男,河北定州人,教授。博士生导师,研究方向:复杂工业过程优化;柴天佑(1947一),男,甘肃兰州人,教授,博士生导师,中国工程院院士,研究方向:智能解耦控制、自适应控制、过程工业综合自动化。万方数据

标签: 高论
打赏

免责声明:
本站部份内容系网友自发上传与转载,不代表本网赞同其观点;
如涉及内容、版权等问题,请在30日内联系,我们将在第一时间删除内容!

相关行业资讯

    购物指南

    支付方式

    商家合作

    关于我们

    微信扫一扫

    (c)2008-2018 DESTOON B2B SYSTEM All Rights Reserved
    免责声明:以上信息由相关企业或个人自行免费发布,其真实性、准确性及合法性未证实。请谨慎采用,风险自负。本网对此不承担任何法律责任。

    在线咨询

    在线咨询:

    QQ交流群

    微信公众号