周恒, 杨春节*, 孙优贤

The S tate Key Laboratory of Industrial Control Technology&College of Control S cience and Engineering, Zhejiang University, Hangzhou 310027, China

1.引言

炼铁的制造工艺复杂，它能不断地为其他行业提供基础材料。炼铁行业在原材料市场和能源市场都占据重要地位，其能源消费量占全球能源消费总量的10%以上。中国现今成为世界上最重要的钢铁供应国，生产的钢铁占全球总产量的一半。因此通过技术创新实现该行业的节能减排至关重要[1]。

用于解决基于制铁机制的转换理论和反应规则复杂性的传统方法，在高炉的建模和优化方面存在不足[2-3]。因此，研究人员仔细调查了炼铁过程中的各种智能建模方法。为了突出黑箱建模的优点，Chen 和Gao[4]提出了一种新的算法来提升高炉软边缘支撑向量机的透明度。Zhou 等[5]提出了一种基于递归学习的双线性子空间识别算法，对具有非线性的随时间变化的高炉进行建模和控制。此外，Li 等[6]利用模糊分类器，通过预测金属硅含量的发展趋势，判断产品质量和热状态。为了获得气体的流量分布和优化充电操作，Huang等[7]设计了一种基于高温工业内窥镜的三维（3D）形貌测量方法来检测高炉的炉料面。Li 等[8]随后提出了一种智能的数据驱动优化方案来确定高炉炉料面合适的分布位置。虽然这些方法都在一定程度上改善了高炉的运行，但整个炼铁过程都需要一个结合了各种服务的云计算框架。

云计算为客户提供计算机系统的按需服务、计算能力和数据存储服务，而客户不需要实际拥有相关对象[9]。大容量存储设备、低成本计算机和高容量网络的有效性促进了云计算的发展，而硬件资源虚拟化、自主公用计算和服务导向式架构的广泛发展也为云服务的增长做出了贡献[10]。……